1

BAB IMENJALANKAN

PROGRAM R DAN SPSSDI WINDOWS

A. Cara Install R di OS Windows

Dari file .exe dari R (R-2.9.0-win32), kita eksekusi pada sistemoperasional komputer kita (operating system) dengan melakukandouble klik pada .exe tersebut, kemudian ikuti perintah/langkahselanjutnya

setelah di klik double maka akan masuk ke perintah setup,

1

2 3

4 5

2

Tahap instalasi R telah selesai. Dan kita dapat menggunakannyaR.2.9.0 untuk di eksekusi atau dijalankan di OS windows kita.Namun kita perlu dan penting untuk mengcopykan packages dariR yang telah disediakan dari CRAN (yang diperoleh dengan caramendownload seluruh package yang ada), karena banyakkelengkapan baik uji dan grafik serta perintah-perintah yang perludijalankan dari package tersebut.

Perlu diperhatikan bahwa R yang kita install tersebut barumerupakan program R Gui dan R Console. Kita perlu melakukaninstall R Commander (Rcmdr), sebagai aplikasi statistik terapannya.sehingga langkah selanjutnya adalah instalasi Rcmdr ke dalam RGui. Instalasi Rcmdr dilakukan dengan, pertama langsung dengankonek internet di http://cran.r-project.org/

B. Cara Download Packages R

Cara mencari package R adalah dengan kita mendownloadnyadari CRAN pada menu software packages

6 7

8

3

Packages yang terpenting adalah Rcmdr, namun untukmengaktifkan Rcmdr (Rcmdr_1.4-10) perlu adanya 9 packageslainnya, yaitu : abind_1.1-0, aplpack_1.1.1, car_1.2-14, effects_2.0-7, lmtest_0.9-23, multcomp_1.0-7, relimp_1.0-1, rgl_0.84,RODBC_1.2-5. Hasil kita mendownload adalah dalam file winrar :

Dalam Buku ini Packages R 2.9.0 disertakan dalam CD bersama R2.9.0.exe. kesepuluh (10) Packages dimasukkan dalam folder Pack-ages R 2.9.0.

C. Instalasi Packages ke R 2.9.0 OS Windows

Folder Package yang berisi 10 packages dapat kita copykan kedisk driver kita, misalkan pada driver D pada komputer kita, atautetap dalam CD. langkah dalam install packages adalah :

1. Kita Buka R 2.9.0 yang telah kita installkan di komputer kita,maka akan terbuka R Gui dan R Console. selanjutnya kita klikPackages, dan kita sorot dan klik pada Install Package(s) fromLocal Zip File .....

4

Kemudian kita sorot kesepuluh (10) packages tersebut dan klikOK, maka proses install packages berlangsung, yang dapat dilihatpada R Console adalah sbb :

> utils:::menuInstallLocal()package 'RODBC' successfully unpacked and MD5 sums checkedpackage 'abind' successfully unpacked and MD5 sums checkedpackage 'aplpack' successfully unpacked and MD5 sums checkedpackage 'car' successfully unpacked and MD5 sums checkedpackage 'effects' successfully unpacked and MD5 sums checkedpackage 'lmtest' successfully unpacked and MD5 sums checkedpackage 'multcomp' successfully unpacked and MD5 sums checkedpackage 'Rcmdr' successfully unpacked and MD5 sums checkedpackage 'relimp' successfully unpacked and MD5 sums checkedpackage 'rgl' successfully unpacked and MD5 sums checkedupdating HTML package descriptions

5

6

D. Menjalankan R 2.9.0. Di OS Windows

Seperti halnya program yang lainnya, R 2.9.0. for windowsdijalankan dari menu program file yang ada dari OS windows.Adapun menjalankannya dapat dari menu desktop (apabila R 2.9.0.tampil di desktop, maka dapat di eksekusi dengan klik double padadesktop ini). Apabila tidak dapat dijalankan dari menu start >> AllProgram File >> R >> R 2.9.0. dan doubel klik.

maka akan masuk ke program R dengan tampilan sbb :

7

E. Menjalankan Rcmdr pada R.

Rcmdr adalah package R yang digunakan sebagai perintahStatistik praktis. sehingga apabila kita akan melakukan analisisstatistik, maka kita harus menjalankan Rcmdr tersebut.

Apabila kita telah menginstall 10 packages, maka secaraotomatis Rcmdr telah kita install/copykan ke library kita, sehinggakita dapat mengopersionalkan dengan cara kita load Rcmdr, melaluimenu Packages dan Load Packages dari menu pada R Gui. Sehinggacara kita melakukan load kita menggunakan operasi di R Gui, tidaklagi kita jalankan operasi di R Console.

Perintah untuk menjalankan Rcmdr adalah dari R Gui kita klikLoad package, maka akan masuk ke pilihan menu dimana kita harusmemilih package yang ada, dengan kursor kita cari Rcmdr, setelahkita peroleh kita sorot dengan kursor dan kita kklik OK. dengandemikian kita telah menjalankan Rcmdr.

8

Menu penting dalam Rcmdr adalah Data dan Statistic. MenuData berguna untuk manajemen data (membuat data) dan menustatistic digunakan untuk melakukan analisis uji statistic.

Menu Data adalah sbb :

Menu Statistik adalah sbb :

,

‘;

9

F. Menjalankan SPSS

10

Menu yang penting dalam statistik adalah menu Analyze,dengan bagian dari menu tersebut adalah :

-oOo-

11

B. Skor Baku (Prosentase, Skor Z Dan Skor T)

Penting untuk diketahui, dalam hitung statistik adalahperhitungan untuk mencari skor baku yaitu parameter yang bakuyang dapat digunakan untuk mengkategorikan sebuah data inter-val. Dalam hal ini akan dibicarakan tiga buah skor baku, yaituprosentase, skor Z dan skor T.

1. Prosentase.

Skor ini digunakan untuk mengkategorikan data intervaldalam beberapa kategori, dapat menjadi 3 kategori atau 4kategori. Dalam dunia pendidikan, skor prosentase ini seringdigunakan untuk merubah skor mentah (hasil ujian mahasiswa/peserta didik) menjadi kategori misalnya dalam kategori baikcukup, dan kurang. Prosentase ini sering digunakan dalam analisisdeskriptif tingkat pengetahuan.

Adapun rumus untuk memperoleh skor prosentase adalah

Skor yang diperoleh responden skor = ----------------------------- x 100%prosentase Total skor maksimum yang

seharusnya diperoleh

ContohPengumpulan data dari kuesioner tentang pengetahuan remajatentang reproduksi, kuesioner berjumlah 12 item, denganalternatif jawaban benar diberi skor 1 salah diberi skor 0, hasiljawaban yang berupa jumlah skor dari 10 responden adalahsbb : 7, 8, 6, 7, 6, 8, 8, 9, 6, 7

Pengerjaan manual adalah (7/12)*100, (8/12)*100, ... ,(7/12)*100.

12

Dikerjakan dalam Rcmdr

buat data baru dengan Data >> New data set, diberi nama pr,kemudian dientri dan dilihat dengan Edit data set, maka akanterlihat data editor dengan data yang telah kita buat.

Kemudian kita perintahkan untuk komputasi dengan (var1/12)*100, dari menu Data >> Manage variable in active data set>> compute new variable.

Nama variabel yang akan kita buat adalah skor, sedangkan notasiexpression-nya (var1/12)*100, untuk melihat hasil yang telahkita buat adalah dari Edit data set dari Rcmdr,

13

2. Skor ZMerupakan skor baku dengan notasi komputasi adalah

untuk mencari Z, dicari dahulu rata-rata dan standar deviasi.Contoh :Buat Data baru , yang berisi data 7, 8, 6, 7, 6, 8, 8, 9, 6, 7

Bekerja dalam Rcmdr

entri data baru dengan Data >> New data set

klik OK, akan muncul data dataeditor. kita entri data. klik Data>> Manage variable in active data set >> Standardize vari-ables

akan munculperintah variabel mana yang akan di analisis ? Yaitu var1 dalamvariable skor Z

sd

xxz i

14

klik OK dan kita lihat hasil analisis skor Z pada Edit data set

3. Skor T

Merupakan skor baku dengan memberikan notasi penjumlahandari skor Z. Penggunaan praktis dari skor T adalah untukmengkategorikan rating scale, yang sering digunakan untukmengkategorikan kategori sikap, minat, bakat, motivasi dalamkategori dikotomi yaitu positif maupun negatif. Pengkategoriandidasarkan atas mean T atau median T, dikatakan

positif/mendukung bila skor T responden > Mean T

negatif/tidak mendukung, skor T responden Mean T

Adapun rumus mencari Skor T adalah 50 +10(skor Z), yaitu

Contoh

Dalam penelitian tentang sikap resonden tentang KB,responden 10 orang, dengan model jawaban SS, S, R, TS, STSdiperoleh hasil 20,20,23,26,26,23,25,25,20,21.

Jawab

Dari perhitungan diperoleh rata-rata 22,9 dengan standardeviasi 2,51 maka skor T dapat dicari dengan mudah di sistemoperasi MS Office Excel, atau Open Office Spreadsheet, sbb :

sd

xxT i .1050

15

A B C D E1 X Rumus Skor T di Excel Skor T Perintah untuk IF Kategori2 20 38.45 IF(C2>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung3 20 38.45 IF(C3>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung4 23 50.4 IF(C4>50;"Mendukung";"Tidak Mendukung") Mendukung5 26 62.35 IF(C5>50;"Mendukung";"Tidak Mendukung") Mendukung6 26 62.35 IF(C6>50;"Mendukung";"Tidak Mendukung") Mendukung7 23 50.4 IF(C7>50;"Mendukung";"Tidak Mendukung") Mendukung8 25 58.37 IF(C8>50;"Mendukung";"Tidak Mendukung") Mendukung9 25 58.37 IF(C9>50;"Mendukung";"Tidak Mendukung") Mendukung

10 20 38.45 IF(C10>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung11 21 42.43 IF(C11>50;"Mendukung";"Tidak Mendukung") Tidak Mendukung

22.9 Average(c2:c11) 50

50+10*((A2-22.9)/2.51)50+10*((A3-22.9)/2.51)50+10*((A4-22.9)/2.51)50+10*((A5-22.9)/2.51)50+10*((A6-22.9)/2.51)50+10*((A7-22.9)/2.51)50+10*((A8-22.9)/2.51)50+10*((A9-22.9)/2.51)

50+10*((A10-22.9)/2.51)50+10*((A11-22.9)/2.51)

dimana untuk X1 = 20, maka skor T = 50 + 10((20-22,9)/2,51) = 38,45, ................ dstselanjutnya untuk mengkategorikan dalam dikotomi, makaberdasarkan mean T yang diperoleh, yaitu 50, maka skor Tresponden yang diatas 50 termasuk mendukung dan dibawah50 tidak mendukung.

Untuk bekerja dalam sistem operasi MS Office Excel, atauOpen Office Spreadsheet, maka kita menggunakan logical IF,yaitu =IF(C2>50;”Mendukung”;”Tidak Mendukung”) artinyakita menggunakan logika berfikir bila cell C2 nilainya lebih besardari 50, maka disebut mendukung (“Mendukung”), jika tidakmaka disebut tidak mendukung (“Tidak Mendukung”).

Bekerja di Rcmdr

Langkah awal kita loadpackages Rcmdr, kemudian kita buat databaru dari Data >> New data set. Kita beri nama dataT,selanjutnya kita entri data sikap 10 responden, sbb :

16

selanjutnya kita akan membuat variabel baru yang kita berinama skorT dan kita buat rumus/notasi numerical dari var1yaitu ((var1-22.9)/2.51)*10+50.

Langkah di Rcmdr adalah Data >> Manage variables inactive data set >> Compute new variable

Kita klik OK, untuk melihat hasil komputasi, maka kitamelihat datanya dari Edit data set :

17

C. Distribusi Normal

Sebaran data dalam bentuk skala interval/rasio, untuk dianalisisdengan statistik inferensial, maka harus memenuhi salah satupersyaratan yaitu sebaran data tersebut berdistribusi normal.

Untuk menguji apakah sebaran data berdistribusi normal atautidak, perlu dilakukan uji statistik. Adapun beberapa uji statistikyang digunakan dalam uji distribusi normal adalah :1. Dengan mengetahui nilai z dari masing-masing data yang

dibandingkan dengan ztabel dari sebaran data tersebut. Adapunztabel untuk a : 0,05 dengan jenis pengujian 2 sisi, maka diperolehnilai -1,96 sampai +1,96. bila zhitung dari data yang ada diantaranilai ztabel (Zhitung < Ztabel), maka data tersebut termasuk dalamkategori distribusi normal.

2. Uji normalitas data, dilakukan dengan menggunakan uji onesampel kolmogorov-smirnov. Uji ini bertujuan menguji apakahsebaran data yang ada dalam distribusi normal atau tidak.Keluaran hasil uji adalah dengan melihat zhitung yang dibandingkandengan ztabel, bila zhitung < ztabel artinya z hitung masih diantara nilai– 1,96 sampai dengan 1,96, maka dapat dikatakan bahwa databerdistribusi normal. Atau cara yang paling praktis adalah denganmelihat besarnya nilai signifikasi atau probabilitas (p-value)apabila nilai p-value > 0,05 (a: 5 %) maka data dalam distribusinormal (karena Ho dari pengujian adalah data berdistribusinormal, berarti p > 0,05, maka Ho diterima, berarti databerdistribusi normal).

3. Uji Shapiro-Wilk , ketentuan untuk pembacaan hasilberdasarkan dengan nilai W yang diperoleh, Ho ditetapkandata berdistribusi normal, menolak Ho bila W yang diperolehterlalu kecil, dan menolak Ho bila W besar ( yang disebut besarbila nilainya > 0,80, dan dikatakan kecil bila nilainya < 0,02 )

Contoh : Data tentang umur ibu hamil yang memeriksakankehamilannya di BPS Ny Suharti, adalah sebagai berikut :

18

Bekerja dengan SPSS

kita masukkan variabelumuribu ke Test Variable Listdengan klik tandasetelah itu kita klik

19

Dari hasil analisis one sample kolmogorov-smirnov, diperoleh bahwanilai Z hitungnya 0,808 dan Asymp.sig 0,531, dimana besar Z tabeladalah 1,96. Kesimpulan diambil berdasarkan besarnya Z hitung <Z tabel (0,808 < 1,96) dengan demikian Ho diterima, artinya DataBerdistribusi Normal (karena Ho : Data berdistribusi normal), ataudengan cara praktis berdasarkan besarnya asymp.sig (0,531) yangbesarnya lebih besar dari 0,05, (asymp.sig > 0,05) berarti Hoditerima, Data berdistribusi normal.

Bekerja dengan RcmdrPerlu diketahui bahwa setiap analisis statistik kita akan menggunakanRcmdr dalam analisis statistik.

Langkah pertama adalah kita buka dahulu Rcmdr, dari menu RGui kita Load Package dan kita pilih Rcmdr, selanjutnya kita klik OK

20

Kita Entri datasejumlah 30data, setelahselesai kitadapat melihathasil entri darimenu Rcmdrdengan klik

21

Selanjutnya kita ketikkan rumus one sample kolmogorov-smirnovdi dalam Rcmdr , kita ketikkan pada Script window sbb :

ks.test(umuribu, "pnorm", mean =mean(umuribu), sd = sqrt(var(umuribu)))

lalu kita klik di sisi kanan Output Windows, dan akan

tampak hasil sbb :One-sample Kolmogorov-Smirnov test

data: umuribuD = 0.1475, p-value = 0.5315alternative hypothesis: two-sided

Dari hasil tersebut dapat diketahui bahwa Besarnya Differencesebesar 0,1475 (yang besarnya sama dengan Most Extreme Differ-ence pada hasil pengujian SPSS, yaitu 0,147). dan nilai P-value0,5315 (hasil ini sama dengan besarnya Asymp.sig di SPSS).Kesimpulannya adalah berdasarkan P-value (0,5315) > 0,05, makaHo diterima, artinya Data berdistribusi normal.

22

EEOk

i

22 )(

VARIABEL DEPENDEN Skala Data Nominal Ordinal Interval/Rasio Nominal Koefisien

Kontingensi (Chi Square)

Korelasi Poinbiserial/ Korelasi Bisserial

Ordinal - Spearman Rank - Kendall Tau

VA

RIA

BE

L IN

DEP

EN

DE

N

Interval/ Rasio

Korelasi Poinbiserial/ Korelasi Bisserial

Pearson Product Moment

BAB IIIUJI KORELASI

A. Pendahuluan

UJI CHI SQUARE

dikerjakan dengan R, langfkah pertama adalah dengan membukaR cmdr dari R Gui yang telah ada. adapun caranya adalah :

23

24

akan tampil perintah Enter Two Way Table, kita akan mengisi datapada Enter Count,

Penting diketahui :

Besarnya kolom dan baris dapatkita ubah dengan menggesernumber of rows atau number ofcolomns

dalam keadaan standar besaranyajumlah kolom dan baris adalah 2,artinya kita membuat tabel silang2 x 2, yaitu 2 baris dan 2 kolom.

setelah kita isi semua data dan nama baris serta kolomnya, makakita pilih uji chi square, selanjutnya kita klik OK, maka hasil analisischi square akan terdapat pada output window sbb :

Pearson’s Chi-squared testdata: .TableX-squared = 0.8809, df = 1, p-value = 0.3479

25

Interpretasi hasil

Secara praktis adalah dengan melihat nilai p-value (nilaisignifikasi) dimana bila p-value < 0,05, maka Ho ditolak, danbila p-value > 0,05, maka Ho diterima. Ho adalah Tidak adahubungan antara umur ibu dengan kejadian preeklamsi.

Melihat hasil dimana p-value 0,3479, maka p-value > 0,05sehingga Ho diterima, artinya Tidak ada hubungan antara umuribu dengan kejadian preeklamsi.

Perhatian :

Analisis data dengan cara diatas (data yang telah ditabulasidalam tabel b x k) hanya dapat dilakukan pada Rcmdr,sedangkan pada SPSS tidak ada fasilitas tersebut. sedangkanuntuk SPSS, data yang kita masukkan adalah data mentah(dalam bentuk data berpasangan antara variabel independendengan variabel dependennya).

No Persepsi (X) Kemampu-

an (Y) Rank

X Rank

Y d d2

1 3068 2.9 1 10 -9 81 2 2584 3.6 2 9 -7 49 3 2067 1.3 3 12 -9 81 4 1584 6.8 4 4 0 0 5 1093 4.9 5 6 -1 1 6 847 1.8 6 11 -5 25 7 698 4.3 7 8 -1 1 8 563 8.6 8 2 6 36 9 398 5.7 9 5 4 16 10 304 8.9 10 1 9 81 11 218 4.7 11 7 4 16 12 130 7.5 12 3 9 81

X Y d d2 78 78 0 468

dimana

N = jumlah datad = beda antara ranking pasangannya

1. Korelasi Spearman Rho (r)

Formula r adalah :

)1(.6

1 2

2

NN

d

26

cara menyelesaikan dengan spearman rank

)1(.6

1 2

2

NN

d

}1)12{(12

46861 2

x r = 1 – 1,636

= -0,636

Interpretasi hasil:

Hasil rhitung sebesar – 0,636, sehingga dibandingkan denganrtabel : 0, 5, sehingga rhitung > rtabel , maka Ho ditolak artinya adahubungan antara persepsi kinerja dengan kemampuan profes-sional tenaga kesehatan.

a. Mengerjakan Spearman-Rho di R (Rcmdr)

Langkah awal buka R Gui, kemudian kita Load packages,dan cari Rcmdr. Setelah Rcmdr tereksekusi, maka kita buatdata baru dari menu Data >> New data set, kita beri namalatihrho.

27

28

Kemudian kita analisis spearman rho melalui Statistics >>Summaries >> Correlation test

hasil korelasi adalahSpearman’s rank correlation rho

data: latihrho$Kemamuan andlatihrho$PersepsiS = 468, p-value = 0.03011alternative hypothesis: true rho is notequal to 0sample estimates: rho-0.6363636

Kita harus memilih keduavariabel tersebut untukdianalisis dengan kita blokkeduanya

Script Spearman’s Rank di R adalah:>cor.test(Dataset$KEMAMPUAN, Dataset$PERSEPSI,alternative="two.sided", method="spearman")

29

Nonparametric CorrelationsCorrelations

1.000 .760**. .000

25 25.760** 1.000.000 .

25 25

Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)N

IQ

PRESTASI

Kendall's tau_bIQ PRESTASI

Correlation is significant at the 0.01 level (2-tailed).**.

D. Korelasi Interval by Interval

Korelasi pearson-product moment digunakan untuk mengujihubungan antara dua variabel dengan skala data interval atau rasiodengan interval atau rasio. Formula untuk product-moment adalah

})(}{)({

...2222 YYNXXN

YXYXNr

dimana X data-data dari variabel independent /variabel bebas

Y data-data dari variabel dependen/variabel terikat.

Sebagai contoh Sebuah penelitian untuk mengetahui apakahada hubungan antara Hb ibu hamil dengan berat badan bayilahirnya. Variabel independent adalah Hb ibu hamil dengan skaladata interval dan variabel dependen adalah berat badan bayi lahirdengan skala data interval. Peneliti mengumpulkan data sebanyak20 responden, melalui catatan medik di salah satu rumah sakit diJogjakarta. Hasil pengumpulan data adalah sebagai berikut :

Hb 11.2 11.3 11.5 10.6 10.7 10.5 11.6 11.7 11.3 11.4

Hb 10.7 10.1 10.3 11.9 12.1 12.2 11.9 12.5 12.3 12.4

BBL 2500 2450 2500 2450 2470 2490 2510 2570 2600 3000

BBL 2700 2560 2600 2700 3200 3400 3000 3200 3400 3400

30

Dari data tersebut maka kita akan membuat tabel Bantu dalammengerjakan formula pearson product-moment, dimana X dan Ytelah diketahui sehingga dapat dicari SX, SY, SX.Y, SX2, SY2, (SX)2,(SY)2, untuk memudahkan mencarinya maka perlu dibuat tabelBantu seperti berikut:

No X Y X2 Y2 X.Y 1 11.2 2500 125.44 6250000 28000 2 11.3 2450 127.69 6002500 27685 3 11.5 2500 132.25 6250000 28750 4 10.6 2450 112.36 6002500 25970 5 10.7 2470 114.49 6100900 26429 6 10.5 2490 110.25 6200100 26145 7 11.6 2510 134.56 6300100 29116 8 11.7 2570 136.89 6604900 30069 9 11.3 2600 127.69 6760000 29380 10 11.4 3000 129.96 9000000 34200 11 10.7 2700 114.49 7290000 28890 12 10.1 2560 102.01 6553600 25856 13 10.3 2600 106.09 6760000 26780 14 11.9 2700 141.61 7290000 32130 15 12.1 3200 146.41 10240000 38720 16 12.2 3400 148.84 11560000 41480 17 11.9 3000 141.61 9000000 35700 18 12.5 3200 156.25 10240000 40000 19 12.3 3400 151.29 11560000 41820 20 12.4 3400 153.76 11560000 42160 X Y X2 Y2 X.Y 228.2 55700 2613.94 157524600 639280

(X)2 (Y)2 52075.24 3102490000

Dari tabel tersebut, kita masukkan ke dalam formula product-moment,

})(}{)({

...2222 YYNXXN

YXYXNr

}310249000015752460020}{24,5207594,261320{

557002,22863928020

xxxx

r

}48002000}{56.203{

1271074012785600 r = 0,7573

31

a. Bekerja di R (Rcmdr)Kita buka dulu Rcmdr dari R Gui melaui Packages >> Loadpackages >> Rcmdr. Setelah terbuka kita buat data batu,melalui Data >> New data set. Kemudian kita entri datadiatas :

32

setelah selesai kita entri, kita analisis dengan Statistics >>Summaries >> Correlation test

Setelah selesai entri di Data Editor, kita tutup Data Editor(menyimpan sementara) selanjutnya kita buka/aktifkan lagi Rcmdr.

33

setelah kita klik OK, maka di output window akan munculhasil analisis kita, yaitu :

Pearson’s product-moment correlation

data: Rxy$X and Rxy$Yt = 4.9199, df = 18, p-value = 0.0001104alternative hypothesis: true correlation is not equal to 095 percent confidence interval:0.4734573 0.8986654sample estimates: cor0.7573104

Script Uji Pearson Product-Moment dala R>cor.test(Dataset$X, Dataset$Y,alternative="two.sided", method="pearson")

34

UJI BEDA

A. Uji Beda Untuk Dua Kelompok Saling Bebas (Independensample t test)

Adapun rumus yang digunakan adalah:

21

21

11nn

s

xxt

2

1121

222

211

nn

snsns1

)( 2

n

xxSdimana S1 danS2 diperolehdari

Statistik Parametrik Statistik Non Parametrik

Sampel Berhubungan

(Independen Sample)

Sampel Bebas (Paired Sample)

Sampel Berhubungan

(Independen Sample)

Sampel Bebas (Paired Sample)

Independen sample t test

Paired sample t test

Two-sample wilcoxon test

Paired-sample wilcoxon test

35

Contoh:

Dilakukan penelitian untuk mengetahui lama sembuhterhadap penggunaan dua buah obat luka. Berdasarkan 10responden yang diberi obat jenis betadine yang selanjutnya diberikode (0), dan berdasar 10 responden yang diberi obat jenisnebacitin yang selanjutnya diberi kode (1) diperoleh data sepertitabel di bawah ini:

Hipotesis yang dapat diajukan :

Ho = 21

Tabel Data Pemberian obat dan Lama sembuh

Responden Jenis Obat Lama Sembuh

1 0 5 2 0 5 3 0 6 4 0 7 5 0 7 6 0 7 7 0 6 8 0 6 9 0 5

10 0 4

n1= 10

8,5x

S1 =1,0327

0667,121 s

11 1 4 12 1 3 13 1 3 14 1 3 15 1 3 16 1 4 17 1 4 18 1 5 19 1 5 20 1 5

N2 = 10

9,3x

S2=0,8756

7667,022 s

Langkah awal adalah kita cari nilai s terlebih dahulu

2

1121

222

211

nnsnsns

21010/7667,01100667,1110 s

36

18/9003,66003,9 s

9574,0

9167,0

ss

Nilai s kemudian dimasukkan dalam rumus t :

21

21

11nn

s

xxt

101

101957,0

9,38,5t

437,4

4282,09,1

)447,0(957,09,1

t

Harga t hitung 4,437 dibandingkan dengan t tabel dengandf = n-1 = 10-1 = 9, sehingga t (9,0,95) = 1,8333, sehingga4,437 > 1,83 (t hitung > t tabel), dengan demikian Hoditolak, artinya ada beda secara signifikan lama sembuh lukaantara diberi betadine dengan nebacitin.

a. Bekerja di R(Rcmdr)

Buka dulu Rcmdr (R Commander), selanjutnya kitamembuat data baru yang memuat uji beda, dan kita entridata :

37

Penting diingat,

untuk dapat mengaktifkan uji t independen, maka kita perlumembuat kode dari jenis obat, contohnya 0=”Betadin” dan1=”Nebacitin”. Untuk mengaktifkan kode ini, maka kitabekerja di Rcmdr pada Data >> Managemen variables inactive data set >> Recode variables, sbb

38

saat kita klik OK maka akan masuk perintah membuat kode:

maka hasil keseluruhan perintah kita telah selesai dan kita klik OK

kita bisa melihat hasil recode kita dengan klik Edit Datasetpada Rcmdr, akan terlihat pada Data editor pada RGui:

kita akan membuat variabel barudari variabel yang telah ada.Variabel yanga akan di kode terlihatpada variables to recode, pilih salah

satu (yaituobat), kitaklik (sorot).

kemudian kita membuat namavariabel baru bentukan dari rekodekita, kita tempatkan pada New vari-ables name or prefix for multiplerecodes

39

selanjutnya, data telah siap untuk dianalisis dari Rcmdrdengan Statistics >> Means >> Independent sample t test,sbb

kemudiankita memilih Response Variable, dengan variabel lamasembuh (karena yang akan dibedakan adalah data dari

40

variabel lama sembuh), dan kita klik OK

hasil analisis terlihat pada output window, dengan hasil sbb

Welch Two Sample t-test

data: lamasembuh by klpobatt = 4.4374, df = 17.531, p-value = 0.0003371alternative hypothesis: true difference in meansis not equal to 095 percent confidence interval: 0.9987092 2.8012908sample estimates:mean in group Betadin mean in group Nebacitin

5.8 3.9

Cara Membaca Hasil Uji :Dari hasil analisis diketahui bahwa t hitung sebesar 4,4374, denganp-value 0,0003371, dengan demikian p-value < 0,05, makaHo ditolak artinya Ada beda lama sembu diantara kelompok obat.Cara pembacaan tersebut, dapat dilihat dari confidence interval(CI), yang besarnya dari 0,9987 sampai 2,801, dari hasil ini dapatdilihat bahwa CI > 0 dan melewati 1 sehingga Ho ditolak.Perbedaan rata dari kedua kelompok diketahui bahwa Betadin5,8 dan Nebacitin 3,9, sehingga Nebacitin lebih cepat sembuh(3,9 < 5,8) dibandingkan dengan diberi Betadin.Dari hasil ini merekomendasikan untuk menggunakan Nebacitinuntuk pengobatan luka.

41

B. Uji Dua Kelompok Berhubungan (Paired sample t test)

Uji t test termasuk dalam uji statistik parametrik yaitu ujiyang menggunakan asumsi-asumsi data berdistribusi normal,dengan varians homogen dan diambil dari sampel yang acak.Digunakan Uji t test apabila untuk membandingkan rata-ratadari dua kelompok. Sedangkan menggunakan paired t test,apabila data yang di kumpulkan dari dua sampel yang salingberhubungan, artinya bahwa satu sampel akan mempunyai duadata. Rancangan ini paling umum dikenal dengan Rancanganpre-post, artinya membandingkan rata-rata nilai pre test danrata-rata post test dari satu sampel.

Penggunaan paired t test adalah untuk menguji efektifitassuatu perlakuan terhadap suatu besaran variabel yang inginditentukan, misalnya untuk mengetahui efektifitas metodepenyuluhan terhadap peningkatan pengetahuan dari responden.Metode ini menggambarkan bahwa responden akan diukur testpengetahuannya sebelum penyuluhan (nilai pre test) dan diukurtest pengetahuannya setelah penyuluhan (nilai post test)

42

selanjutnya nilai masing-masing responden dibandingkan antarasebelum penyuluhan (pre test) dengan setelah penyuluhan (posttest).

Rumus umum paired sample t test adalah

dimana

d selisih/beda antara nilai pre dengan post. d rata-rata beda antara nilai pre dengan post,

n

dddd n ...21

sd adalah simpangan baku dari d

n adalah banyaknya sampel

sedangkan harga dari simpangan baku d (sd)adalah

1

2

11

2

n

nd

d

s

n

i in

i i

d

Selanjutnya hasil thitung dibandingkan dengan ttabel, tabel tyang digunakan dengan derajat bebas (df=db=dk) = n – 1.apabila thitung > ttabel, maka Ho ditolak, dan menerima Ha. Artinyaada beda secara signifikan antara rata-rata pre dan post.

Sebagai contoh dalam perhitungan manual adalah :

Sebuah penelitian ingin mengetahui efek oral contracep-tives (OC) terhadap kenaikan takanan darah sistolik (sbp = sys-tolic blood pressure). Penelitian menggambil 10 sampel wanitayang berumur 16 – 49 tahun.

Ho yang ditetapkan adalah Ho : m1=m2=0, artinya tidakada beda rata-rata tekanan darah sistolik antara sebelummengkonsumsi kontrasepsi oral dan setelah kontrasepsi oral, ataudengan kata lain kontrasepsi oral tidak efektif untuk menaikkantekanan darah sistolik.

Setelah dilakukan penellitian, diperoleh data, yang selanjutnyadilakukan tabulasi dengan hasil sebagai berikut:

nsdt

d

43

Responden Xi1 (sbp sebelum

menggunakan OC) Xi2 (sbp setelah

menggunakan OC) Selisih

(di= Xi1 – Xi2) 1 115 128 - 13 2 112 115 - 3 3 107 106 1 4 119 128 - 9 5 115 122 - 7 6 138 145 - 7 7 126 132 - 6 8 105 109 - 4 9 104 102 2

10 115 117 - 2

Dari hasil tersebut di atas maka dapat diketahui : n = 10

n

dddd n ...21 , maka

10

)2(...)3()13( d = - 4,8

dicari

110108,42...313

2222

ds

= 844,20 = 4,566

masukkan ke rumus t adalah :

nsdt

d

,

maka

10566,480,4

t = - 3,32

Harga t hitung 3,32 dibandingkan dengan t tabel dengan df= n-1 = 10-1 = 9, sehingga t (9,0,95) = 1,8333, sehingga 3,32 >1,83 (t hitung > t tabel), dengan demikian Ho ditolak, artinya adabeda secara signifikan tekanan darah sistolik antara sebelumdiberi OC dan setelah diberi OC. Atau dengan kata lainpemberian OC efektif untuk menurunkan tekanan darah sistolik,karena tanda dari t adalah negatif (-) menunjukkan harga prelebih kecil dibandingkan dengan harga pos.

44

a. Bekerja di Rcmdr (R Commander)

Maka akan masuk ke Data Editor di dalam R Gui

maka kita entri data di Data editor, variabelpre dan post

45

setelah selesai entri data, maka tutup Data editor (datatersimpan semestara). dan kita klik Rcmdr. selanjutnya kitaklik Statistic >> Means >> Paired t test, sbb :

setelah kita pilih First variable, dan Second variable, klik OK,maka di output window akan muncul hasil nalisis :

Paired t-testdata: tpaired$preOC and tpaired$posOCt = -3.3247, df = 9, p-value = 0.008874alternative hypothesis: true differencein means is not equal to 095 percent confidence interval: -8.066013 -1.533987sample estimates:mean of the differences -4.8

46

Dari hasil diketahui bahwa p-value 0,008874 <0,05,sehingga Ho ditolak, artinya Ada perbedaan tekanan darahsistolik antara sebelum memakai oral kontrasepsi dengansetelah memakai oral kontrasepsi. Perbedaan yang signifikandapat dilihat dari mean of differences - 4,8, sehingga tekanandarah setelah memakai oral kontrasepsi terjadi peningkatan,(dimana analisis dilakukan pre - post, sehingga hasilnya -(negatif) artinya pre lebih kecil dari pada post)

47

Arikunto, Suharsimi, 2002., Prosedur Penelitian Suatu PendekatanPraktek, Jakarta : Rineka Cipta

Basuki, Bastaman, 2000, Aplikasi Metode Kasus-Kontrol, BagianIlmu Kedokteran Komunitas, Jakarta : FK UI

Bruning, James L. and B. L. Kintz., 1968, ComputationalHandbook of Statistics. Glenview, Illinois: Scott, Foresmanand Company.

Cochran, W. G. 1963. Sampling Techniques, 2nd Ed., New York:John Wiley and Sons, Inc.

Dupont WD, 1988, Power calculations for matched case-controlstudies, Biometrics

Dupont WD, Plummer WD, Jr, 1990, Power and Sample SizeCalculations: A Review and Computer Program. ControlledClinical Trials

Friedrich Leisch, 2004, The Comprehensive R Archive network,CRAN-Project

Hinkle, E, Dennis, 1979, Applied Statistiks for the BehavioralSciences, Houghton Miffthin Company, London

Kirk, Roger E., 1995, Experimental Design Procedures for theBehavioral Sciences. London: Thomson Publishing

Martin, Danielle, & Steve, Gerald, L, (1977). Psychologicaleducation : A skill-oriented approach. Journal of counselingPsychology, 24, 153-157)

Miaoulis, George, and R. D. Michener. 1976. An Introduction toSampling. Dubuque, Iowa: Kendall/Hunt PublishingCompany.

DAFTAR PUSTAKA

48

Munro, B H., M. A. Visintainer, and E. B. Page., 1987.StatisticalMethods for Health Philadelphia: J. 13. LippincottCompany.

Rosner, Bernard, 1986, Fundamental of Biostatistiks, Duxbury Press,Boston

Riwidikdo, Handoko, 2007, Statistik Kesehatan, Yogyakarta, MitraCendikia Press

Riwidikdo, Handoko, 2008, Aplikasi Statistik Terapan denganprogram R, Yogyakarta, Mitra Cendikia Press

Sugiyono, 2003, Statistik untuk Penelitian, Bandung : Alfabeta

Team Development MaCorr, Sample Size Optimization, MaCorrInc, 2008

Tull, Donald S and D. L. Hawkins. 1984., Marketing Reseach:Measurement and Method. New York: Macmillan PublishingCompany.

Underwoou, B.J. 1954. Elententary Statistics. New York: Appleton-Centwy-Crofts, Inc.,

Werl, J.E Charlc.s. Ncidt, and I. Stanley Ahmarin. 1954 StatisticalMethods in Educational and Psychological Research. NewYork: Appleton-Century-Crofis, Inc.

Yamane, Taro. 1967. Statistics, An Introductory Analysis, 2nd Ed.,New York: Harper and Row.

49

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359

0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0753

0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141

0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .15I7

0.4 .1554 .¶591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879

0.5 .1915 .1950 .1985 .2019 .2054 .2688 .2123 .2157 .2190 .2224

0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2517 .2549

0.7 .2580 .26 11 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852

0.8 .2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133

0.9 .3159 .3186 .3212 .3238 .3264 .3290 .3315 .3340 .3365 .3389

1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621

1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830

1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015

1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177

1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319

1.5 .4332 .4345 .4357 .4370 .4383 .4394 .4406 .4418 .4429 .4441

1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545

1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633

1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706

1.9 .4733 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767

2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817

2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857

2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890

2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916

2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936

2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952

2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964

2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974

2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981

2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986

3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990

LAMPIRAN-LAMPIRAN

Lampiran-1

TABEL LUAS KURVA NORMAL DARI 0 HINGGA z

50

Taraf Signifikansi

dk. 0,5 0,3 0,2 0,1 0,05 0,01

1 0,455 1,074 1,642 2,706 3,481 6,635 2 0,139 2,408 3,219 3,605 5,591 9,210 3 2,366 3,665 4,642 6,251 7,815 11,341 4 3,357 4,878 5,989 7,779 9,488 13,277 5 4,351 6,064 7,289 9,236 11,070 15,086 6 5,348 7,231 8,558 10,645 12,592 16,812 7 6,346 8,383 9,803 12,017 14,017 18,475 8 7,344 9,524 11,030 13,362 15,507 20,090 9 8,343 10,656 12,242 14,684 16,919 21,666

10 9,342 11,781 13,442 15,987 18,307 23,209 11 10,341 12,899 14,631 17,275 19,675 24,725 12 11,340 14,011 15,812 18,549 21,026 26,217 13 12,340 15,19 16,985 19,812 22,368 27,688 14 13,332 16,22 18,151 21,064 23,685 29,141 15 14,339 17,322 19,311 22,307 24,996 30,578 16 15,338 18,418 20,465 23,542 26,296 32,000 17 16,337 19,511 21,615 24,785 27,587 33,409 18 17,338 20,601 22,760 26,028 28,869 34,805 19 18,338 21,689 23,900 27,271 30,144 36,191 20 19,337 22,775 25,038 28,514 31,410 37,566 21 20,337 23,858 26,171 29,615 32,671 38,932 22 21,337 24,939 27,301 30,813 33,924 40,289 23 22,337 26,018 28,429 32,007 35,172 41,638 24 23,337 27,096 29,553 33,194 35,415 42,980 25 24,337 28,172 30,675 34,382 37,652 44,314 26 25,336 29,246 31,795 35,563 38,885 45,642 27 26,336 30,319 32,912 36,741 40,113 46,963 28 27,336 31,391 34,027 37,916 41,337 48,278 29 28,336 32,461 35,139 39,087 42,557 49,588 30 29,336 33,530 36,250 40,256 43,775 50,892

Lampiran-2TABEL NILAI CHI KUADRAT

51

Alpha Uji Dua Fihak 0,5 0,2 0,1 0,05 0,02 0,01

Alpha Uji Satu Fihak dk. 0,25 0,10 0,05 0,025 0,01 0,005 1 1,000 3,078 6,314 12,706 31,821 63,657 2 0,816 1,886 2,920 4,303 6,965 9,925 3 0,765 1,638 2,353 3,182 4,541 5,841 4 0,741 1,533 2,132 2,776 3,747 4,604 5 0,727 1,486 2,015 2,571 3,365 4,032 6 0,718 1,440 1,943 2,447 3,143 3,707 7 0,711 1,415 1,895 2,365 2,998 3,499 8 0,706 1,397 1,860 2,306 2,896 3,355 9 0,703 1,383 1,833 2,262 2,821 3,250 10 0,700 1,372 1,812 2,228 2,764 3,165 11 0,697 1,363 1,796 2,201 2,718 3,106 12 0,695 1,356 1,782 2,178 2,681 3,055 13 0,692 1,350 1,771 2,160 2,650 3,012 14 0,691 1,345 1,761 2,145 2,624 2,977 15 0,690 1,341 1,753 2,132 2,623 2,947 16 0,689 1,337 1,746 2,120 2,583 2,921 17 0,688 1,333 1,740 2,110 2,567 2,898 18 0,688 1,330 1,743 2,101 2,552 2,878 19 0,687 1,328 1,729 2,093 2,539 2,861 20 0,687 1,325 1,725 2,086 2,528 2,845 21 0,686 1,323 1,721 2,080 2,518 2,831 22 0,686 1,321 1,717 2,074 2,508 2,819 23 0,685 1,319 1,714 2,069 2,500 2,807 24 0,685 1,318 1,711 2,064 2,492 2,797 25 0,684 1,316 1,708 2,060 2,485 2,787 26 0,684 1,315 1,706 2,056 2,479 2,779 27 0,684 1,314 1,703 2,052 2,473 2,771 28 0,683 1,313 1,701 2,048 2,467 2,763 29 0,683 1,311 1,699 2,045 2,462 2,756 30 0,683 1,310 1,697 2,042 2,457 2,750 40 0,681 1,303 1,684 2,021 2,423 2,704 60 0,679 1,296 1,671 2,000 2,390 2,660

120 0,677 1,289 1,658 1,980 2,358 2,617 ~ 0,674 1,282 1,645 1,960 2,326 2,576

Lampiran-3TABEL NILAI DISTRIBUSI t

52

Taraf

Signifikansi Taraf

Signifikansi Taraf

Signifikansi

n. 0,05 0,01

n.

0,05 0,01

n.

0,05 0,01

3 0,997 0,999 27 0,381 0,487 55 0,266 0,345

4 0,950 0,990 28 0,374 0,478 60 0,254 0,330

5 0,878 0,959 29 0,367 0,470 65 0,244 0,317

6 0,811 0,917 30 0,361 0,463 70 0,235 0,306

7 0,754 0,874 31 0,355 0,456 75 0,227 0,296

8 0,707 0,834 32 0,349 0,449 80 0,220 0,286

9 0,666 0,798 33 0,344 0,442 85 0,213 0,278

10 0,632 0,765 34 0,339 0,436 90 0,207 0,270

11 0,602 0,735 35 0,334 0,430 95 0,202 0,263

12 0,576 0,708 36 0,329 0,424 100 0,195 0,256

13 0,553 0,684 37 0,325 0,418 125 0,176 0,230

14 0,532 0,661 38 0,320 0,413 150 0,159 0,210

15 0,514 0,641 39 0,316 0,408 175 0,148 0,194

16 0,497 0,623 40 0,312 0,403 200 0,138 0,181

17 0,482 0,606 41 0,308 0,398 300 0,113 0,148

18 0,468 0,590 42 0,304 0,393 400 0,098 0,128

19 0,456 0,575 43 0,301 0,389 500 0,088 0,115

20 0,444 0,561 44 0,297 0,384 600 0,080 0,105

21 0,433 0,549 45 0,294 0,380 700 0,074 0,097

22 0,423 0,537 46 0,291 0,376 800 0,070 0,091

23 0,413 0,526 47 0,288 0,372 900 0,065 0,086

24 0,404 0,515 48 0,284 0,368 100 0,062 0,081

25 0,396 0,505 49 0,281 0,364

26 0,388 0,496 50 0,279 0,361

Lampiran-4TABEL NILAI r PRODUCT MOMENT

53

Lampiran-5KOEFISIEN KORELASI

RHO SPEARMAN -

Taraf Signifikansi

N 5% 1%

5 1.000 --

6 0.886 1.000

7 0.786 0.929

8 0.738 0.881

9 0.683 0.823

10 0.648 0.794

12 0.591 0.777

14 0.544 0.715

16 0.506 0.665

18 0.475 0.625

20 0.450 0.591

22 0.428 0.562

24 0.409 0.537

26 0.392 0.515

28 0.377 0.496

30 0.364 0.478