HIRARCHY OF CONTROL (HIRARKI PENGENDALIAN)

Oleh : Franly Onibala

Mahasiswa S2 Prodi IKM Unsrat Manado

 

A.    PENDAHULUAN

Sebelum kita masuk pada Pengendalian bahaya, kita harus mengetahui apa itu bahaya. Pengertian bahaya (hazard) ialah semua sumber, situasi ataupun aktivitas yang berpotensi menimbulkan cedera (kecelakaan kerja) dan atau penyakit akibat kerja (PAK) - definisi berdasarkan OHSAS 18001:2007.

Secara umum terdapat 5 (lima) faktor bahaya K3 di tempat kerja, antara lain : faktor bahaya biologi(s), faktor bahaya kimia, faktor bahaya fisik/mekanik, faktor bahaya biomekanik serta faktor bahaya sosial-psikologis.

Pengendalian merupakan salah satu bagian dari manajemen. Pengendalian dilakukan dengan tujuan supaya apa yang telah direncanakan dapat dilaksanakan dengan baik sehingga dapat mencapai target maupun tujuan yang ingin dicapai. Pengendalian memang merupakan salah satu tugas dari manager. Satu hal yang harus dipahami, bahwa pengendalian dan pengawasan adalah berbeda karena pengawasan merupakan bagian dari pengendalian. Bila pengendalian dilakkan dengan disertai pelurusan (tindakan korektif), maka pengawasan adalah pemeriksaan di lapangan yang dilakukan pada periode tertentu secara berulang kali.

Pengendalian Bahaya di tempat kerja adalah proses yang dilakukan oleh instansi atau perusahaan dalam mencapai tujuan agar para pekerja di instansi atau perusahaan dapat menghindari resiko aktivitas yang dapat berpotensi menimbulkan cedera dan penyakit akibat kerja sebagai tujuan awal dari suatu perusahaan.

B.     TUJUAN PENGENDALIAN

Tujaun dari pengendalian adalah  mengusahakan agar apa yang direncanakan menjadi kenyataan. Untuk dapat benar-benar merealisasi tujuan utama tersebut, maka pengawasan pada taraf pertama bertujuan agar pelaksanaan pekerjaan sesuai dengan instruksi yang telah dikeluarkan, dan untuk mengetahui kelemahan-kelemahan serta kesulitan-kesulitan yang dihadapi dalam pelaksana rencana berdasarkan penemuan-penemuan tersebut dapat dimabil tindakan untuk memperbaikinya, baik pada waktu itu ataupun waktu-waktu yang akan datang.

C.    PENGENDALIAN BAHAYA DI TEMPAT KERJA ( HIRARKI)

Pada kegiatan pengkajian resiko (risk assesment), hirarki pengendalian (hierarchy of control) merupakan salah satu hal yang sangat diperhatikan. Pemilihan hirarki pengendalian memberikan manfaat secara efektifitas dan efesiensi sehingga resiko menurun dan menjadi resiko yang bisa diterima (acceptable risk) bagi suatu organisasi. Secara efektifitas, hirarki control pertama diyakini memberikan efektifitas yang lebih tinggi dibandingkan hirarki yang kedua.

Hirarki pengendalian ini memiliki dua dasar pemikiran dalam menurunkan resiko yaitu melalui menurunkan probabilitas kecelakaan atau paparan serta menurunkan tingkat keparahan suatu kecelakaan atau paparan.

Pada ANSI Z10: 2005, hirarki pengendalian dalam sistem manajemen  keselamatan, kesehatan kerja antara lain:

Gambar 1. Hirarchy of Control

1.      Eliminasi

Hirarki teratas yaitu eliminasi/menghilangkan bahaya dilakukan pada saat desain, tujuannya adalah untuk menghilangkan kemungkinan kesalahan manusia dalam menjalankan suatu sistem karena adanya kekurangan pada desain. Penghilangan bahaya merupakan metode yang paling efektif sehingga tidak hanya mengandalkan prilaku pekerja dalam menghindari resiko, namun demikian, penghapusan benar-benar terhadap bahaya tidak selalu praktis dan ekonomis.

Contoh:

Ø  bahaya jatuh, (lantai licin)

Ø  bahaya ergonomi, (tempat duduk)

Ø  bahaya ruang terbatas,

Ø  bahaya bising, (kurangi/hilangkan bising)

Ø  bahaya kimia (buang/hilangkan bahan-bahan kimia berbahaya ditempat kerja)

2.      Substitusi

Metode pengendalian ini bertujuan untuk mengganti bahan, proses, operasi ataupun peralatan dari yang berbahaya menjadi lebih tidak berbahaya. Dengan pengendalian ini menurunkan bahaya dan resiko minimal melalui disain sistem ataupun desain ulang. Beberapa contoh aplikasi substitusi misalnya: Sistem otomatisasi pada mesin untuk mengurangi interaksi mesin-mesin berbahaya dengan operator, menggunakan bahan pembersih kimia yang kurang berbahaya, mengurangi kecepatan, kekuatan serta arus listrik, mengganti bahan baku padat yang menimbulkan debu menjadi bahan yang cair atau basah.

Contoh :

Ø  Mengganti bahan bentuk serbuk dengan bentuk pasta

Ø  Proses menyapu diganti dengan vakum

Ø  Bahan solvent diganti dengan bahan deterjen

Ø  Proses pengecatan spray diganti dengan pencelupan

3.      Pengendalian Teknis / Perancangan / Rekayasa Teknik

Adalah pengendian bahaya yang dilakukan dengan memberikan peringatan, instruksi, tanda, label yang akan membuat orang waspada akan adanya bahaya dilokasi tersebut.  Sangatlah penting bagi semua orang mengetahui dan memperhatikan tanda-tanda peringatan yang ada dilokasi kerja sehingga mereka dapat mengantisipasi adanya bahaya yang akan memberikan dampak kepadanya. Pengendalian secara teknis yakni pengendalian yang ditunjukan terhadap sumber bahaya atau lingkungan ,seperti:

a.       Subtitusi yaitu menggantikan bahan-bahan yang berbahaya dengan bahan-bahan yang kurang atau tidak berbahaya sama sekali.

b.      Isolasi,yaitu memisahkan suatu sumber bahaya dengan pekerja , misalnya pengadaan ruang panel,larangan memasuki tempat kerja bagi yang tidak berkepentingan,menutup unit operasi yang berbahaya.

c.       Cara basah, dimaksudkan untuk menekan jumlah partikel yang mengotori udara karena partikel debu mengalami berat.

d.      Merubah proses, misalnya pada proses kering dirubah menjadi proses basah untuk menghindari debu.

e.       Ventilasi keluar setempat  ( lokal exhaust ventilation ), yaitu suatu cara yang dapat menghisap bahan-bahan berbahaya sebelum bahan berbahaya tersebut masuk keudara ruang kerja.

Pengendalian ini dilakukan bertujuan untuk memisahkan bahaya dengan pekerja serta untuk mencegah terjadinya kesalahan manusia. Pengendalian ini terpasang dalam suatu unit sistem mesin atau peralatan.

Contoh :

Ø  penutup mesin/machine guard,

Ø  circuit breaker,

Ø  interlock system,

Ø  start-up alarm,

Ø  ventilation system,

Ø  sound enclosure,

Ø  pemasangan general dan local ventilation

Ø  pemasangan alat sensor otomatis.

Ø  alarm system,

Ø  detektor asap,

Ø  tanda peringatan (penggunaan APD spesifik, jalur evakuasi, area listrik tegangan tinggi, dll).

5.      Pengendalian Administrasi

Pengendalian secara administratif adalah peraturan-peraturan administrasi yang mengatur pekerja untuk membatasi waktu kontaknya ( pemaparan )dengan faktor bahaya atau contaminant.

Kontrol administratif ditujukan pengandalian dari sisi orang yang akan melakukan pekerjaan, dengan dikendalikan metode kerja diharapkan orang akan mematuhi, memiliki kemampuan dan keahlian cukup untuk menyelesaikan pekerjaan secara aman.

Contoh :

Ø  seleksi karyawan,

Ø  adanya standar operasi baku (SOP),

Ø  pelatihan,

Ø  pengawasan,

Ø  modifikasi prilaku,

Ø  jadwal kerja,

Ø  rotasi kerja,

Ø  pemeliharaan,

Ø  manajemen perubahan,

Ø  jadwal istirahat,

Ø  investigasi atau pemeriksaan kesehatan

Ø  pemisahan lokasi

Ø  pembentukan sistem kerja.

6.      Alat Pelindung Diri

Alat Pelindung Diri adalah seperangkat alat yang digunakan oleh tenaga kerja untuk melindungi seluruh/sebagian tubuhnya terhadap kemungkinan adanya potensi bahaya/kecelakaan kerja. APD dipakai sebagai upaya terakhir dalam usaha melindungi tenaga kerja apabila usaha rekayasa (engineering) dan administratif tidak dapat dilakukan dengan baik. Namun pemakaian APD bukanlah pengganti dari kedua usaha tersebut, namun sebagai usaha akhir.

Pemilihan dan penggunaan alat pelindung diri merupakan merupakan hal yang paling tidak efektif dalam pengendalian bahaya,karena APD hanya berfungsi untuk mengurangi seriko dari dampak bahaya. Karena sifatnya hanya mengurangi, perlu dihindari ketergantungan hanya menggandalkan alat pelindung diri dalam menyelesaikan setiap pekerjaan.

Tujuan penggunaan Alat Pelindung Diri (APD) seperti : Melindungi tenaga kerja apabila usaha rekayasa (engineering) dan administratif tidak dapat dilakukan dengan baik., meningkatkan efektivitas dan produktivitas kerja, dan menciptakan lingkungan kerja yang aman.

Contoh :

Ø  Helmet

Ø  Safety Shoes

Ø  Ear plug/muff

Ø  Safety goggles

Ø  Masker

Ø  kacamata keselamatan,

Ø  sarung tangan, earplug,

Ø  pakaian (Uniform)

Ø  APD kondisi khusus, yang membutuhkan perlindungan lebih misalnya: faceshield, respirator, SCBA (Self Content Breathing Aparatus).

D.    REFERENSI

Alli O.B. (2008). Fundamental Principles Of Occupational Health and Safety Second Edition. ILO: Geneva.

OHSAS 18001:2007. Sistem Manajemen K3: Persyaratan.

http://staff.unila.ac.id/suudi74/files/2014/10/Materi-5-K3-Hirarki-Pengendalian-Resiko-Bahaya-K3-2014.pdf. Diunduh pada tanggal 5 Maret 2015.

http://www.wishnuap.com/2013/06/bab-03-identifikasi-bahaya-dan.html#more. Diunduh pada tanggal 5 Maret 2015.

http://fkm.unair.ac.id/s2k3/files/mk/audit%20k3/HSE%20Standard.pdf. Diunduh pada tanggal 5 Maret 2015.

BAB II

PEMBAHASAN (ISI)

Analisis Bivariat

ANALISIS BIVARIAT

By. Ns. Franly Onibala, S.Kep.

(Mahasiswa Pasca Sarjana IKM Unsrat Manado)

A.    Definisi Variabel

Variabel adalah faktor atau komponen yang berhubungan satu sama lain dan telah diinventarisasi lebih dulu dalam variabel penelitian. Variabel tersebut dapat bersifat variabel independent (bebas) atau variabel dependent (terikat) serta dapat berupa variabel lain yang ikut mempengaruhi hubungan antara variabel bebas dan variabel terikat, seperti variabel penghubung, variabel pra-kondisi, dan pendahulu (Chandra, 2008).

      Variabel independent (bebas) merupakan variabel yang menjadi sebab perubahan atau timbulnya variabel dependent (terikat), disebut juga variabel bebas artinya bebas dalam mempengaruhi variabel lain, variabel ini juga mempunyai nama lain seperti variabel predictor, risiko, atau kausa. Variabel dependent merupakan variabel yang dipengaruhi atau menjadi akibat karena variabel bebas. Variabel ini tergantung dari variabel bebas terhadap perubahan, variabel ini juga dikenal dengan istilah variabel efek, hasil, outcome, atau event. (Hidayat, 2011).

B.     Definisi Bivariat

Analisis bivariat digunakan untuk membuktikan hipotesis penelitian antara variabel independent dan variabel dependent. Variabel independent (variabel bebas/resiko/sebab) merupakan variabel yang menjadi sebab perubahan atau timbulnya variabel terikat (Hidayat, 2011). Variabel Dependent Variabel dependent (variabel terikat/akibat/efek) adalah variabel yang dipengaruhi atau menjadi akibat karena variabel bebas (Hidayat, 2011). Pada studi kesehatan, khususnya studi epidemiologi hubungan antara faktor resiko (independent) dan kejadian penyakit (dependent) perlu diketahui karena merupakan kunci dalam memutus rantai penularan penyakit (Chandra, 2008). Menurut Chandra (2008) hubungan kausalitas antara faktor risiko (exposure/independent) dan kejadian penyakit (outcome/dependent) dapat dibagi menjadi tiga jenis, yaitu :

1.      Artifactual

Hubungan palsu antara faktor eksposure dan kejadian (penyakit) yang disebabkan oleh faktor kebetulan (by chance) atau karena bias pada desain studi.

2.      Asosiasi tidak langsung (indirect association)

Hubungan tidak langsung antara faktor resiko dan kejadian penyakit, seperti penyakit anemia disebabkan oleh infestasi cacing tambang atau ankylostomiasis.

3.      Asosiasi kausal

Hubungan lansung atau kausal antara faktor resiko dan kejadian penyakit, misalnya hubungan antara faktor merokok dan penyakit kanker paru.

C.    Symbol Variabel

Symbol variabel biasanya adalah huruf X atau Y. Huruf X dipakai untuk variabel independent dan huruf Y dipakai untuk variabel dependent. Jika terdiri satu variabel disebut monovariat atau univariat, dua variabel disebut bivariat, sedangkan jika lebih dari dua variabel disebut multivariate. Contoh judul penelitian bivariat : “Hubungan Status nutrisi dengan Perkembangan Motorik”. Status nutrisi sebagai variabel X (independent) dan perkembangan motorik sebagai variabel Y (dependent) (Wasis, 2008).

 D.    Statistik Analitis Bivariat

Dibawah ini adalah tabel untuk menentukan uji hipotesis bivariat

Masalah skala pengukuran	Jenis Hipotesis (asosiasi)
	Komparatif				Korelatif
	Tidak berpasangan		Berpasangan
Numerik	Jumlah Kelompok		Jumlah Kelompok		Pearson*
	2 kelompok	>2 kelompok	2 kelompok	>2 kelompok
	Uji t tidak berpasangan	One way ANOVA	Uji t berpasangan	Repeated ANOVA
Kategorik (Ordinal)	Mann Whitney	Kruskal-Wallis	Wilcoxon	Friedman	Spearman Somers'd Gamma
Kategorik (Nominal/Ordinal)	Chi-Square, Fisher, Kolmogorov-Smirnov (tabel B x K)		McNemar, Cochran, Marginal Homogeneity, Wilcoxon, Friedman (prinsip P x K)		Koofisien kontingensi Lambda

Keterangan :

1.      Uji dengan tanda * merupakan uji parametrik

2.      Tanda panah kebawah menunjukkan uji alternative jika syarat uji parametric tidak terpenuhi

3.      Untuk hipotesis komparatif numeric, perlu diperhatikan banyaknya kelompok

4.      Untuk hipotesis komparatif kategorik tidak berpasangan, pemilihan uji menggunakan “tabel B x K”.

5.      Untuk hipotesis komparatif kategorik berpasangan, pemilihan uji menggunakan “prinsip P x K”.

Dengan demikian kita dapat menentukan uji hipotesis bivariat dengan melihat tabel diatas dengan syarat kita harus memahami langkah-langkah berikut dengan seksama :

1.      Skala pengukuran: apakah kategorik atau numerik?

2.      Jenis hipotesis: apakah komparatif atau korelatif?

3.      Masalah skala pengukuran: apakah kategorik atau numerik?

4.      Pasangan: apakah berpasangan atau tidak berpasangan?

5.      Jumlah kelompok : apakah 2 kelompok atau lebih (>) dari 2 kelompok?

6.      Syarat uji : apakah uji parametric atau non parametric?

7.      Prinsip tabel B x K dan P x K.

Berikut adalah pembahasan ketujuh langkah diatas dengan rinci :

1.      Skala pengukuran variabel

Ini merupakan langkah awal untuk sebuah uji hipotesis. Maksud dari menentukan skala pengukuran variabel adalah apakah skala variabel yang ada termasuk kategorik (nominal-ordinal) atau numeric (rasio-interval) (Dahlan, 2009). Terdapat empat skala pengukuran, yaitu skala nominal, skala ordinal, skala interval dan skala rasio disingkat NOIR (Wasis, 2008). Pada tabel dibawah ini akan disajikan skala pengukuran variabel.

Skala Pengukuran
Kategorik / Kualitatif	Numerik / Non Kategorik / Kuantitatif
Nominal Contoh : -          Jenis kelamin (Laki-laki, perempuan) -          Suku bangsa (Jawa, Sunda, Minahasa, Batak, Dayak, dll) -          Agama (Kristen, Katolik, Islam, Hindu, Budha, Konghucu) -          Golongan darah (A, B, AB, O) -          Warna kulit (Hitam, Putih, Kuning, Sawo Matang) -          Jenis pekerjaan (Tani, Nelayan, PNS, TNI, Polri) Ordinal Contoh : -          Tingkat pendidikan (Pendidikan rendah, menengah, tinggi) -          Klasifikasi kadar kolesterol (Rendah, Nornal, Tinggi) -          Tingkat kepuasan (Sangat puas, puas, cukup puas, sangat tidak puas) -          Motivasi belajar (Tinggi, sedang, rendah) -          Tingkat nyeri (Sangat nyeri, Nyeri, Cukup Nyeri, Tidak Nyeri) -          Tingkat kecemasan (Panik, Berat, Sedang, Ringan)	Interval Contoh : -          Suhu tubuh (35o C, 36o C, 37o C) -          Skor prestasi belajar mahasiswa (70, 80, 90) -          Nilai gula darah puasa (110 g/dl, 115 g/dl, 120 g/dl) Rasio Contoh : -          Tinggi badan (50 cm, 100 cm, 150 cm) -          Berat badan (75 kg, 100 kg, 125 kg) -          Panjang meja (50 cm, 100 cm, 150 cm)

(Sumber : dari berbagai sumber dan dimodifikasi)

Berikut ini penjelasan dari masing-masing skala pengukuran :

Skala Nominal

Merupakan skala yang paling sederhana yang disusun sebagai pembeda atau menurut jenis kategori. Skala ini ditetapkan berdasarkan penggolongan dan bersifat diskrit (saling pilah), hanya mengkategorikan objek atau individu. Skala ini bersifat sederajat, kedudukan yang satu sama dengan yang lain atau tingkatannya sama (contoh tabel diatas).

Skala Ordinal

Data statistic yang disusun berdasarkan urutan kedudukan (peringkat), berjenjang atau bertingkat. Kita akan mengetahui mana yang lebih rendah/sedikit atau yang lebih tinggi/banyak. Dalam skala ini belum diketahui berapa besar perbedaan nilai-nilai yang ada.

Skala Interval

Skala yang menunjukkan jarak antara satu data dengan data lainnya yang memiliki bobot yang sama, yang tidak mempunyai nilai nol mutlak seperti temperature (lihat contoh tabel diatas)

 Skala Rasio

Skala ini merupakan tingkat pengukuran skala tertinggi. Skala rasio mempunyai nilai nol mutlak (absolute), juga mempunyai kelebihan dan nilai yang paling cermat dari ketiga jenis skala yang lainnya.

Selain keempat skala pengukuran terdapat skala pengukuran dalam sikap yang dikembangkan dari skala interval, diantaranya :

a.       Skala Likert

Skala ini digunakan untuk mengukur sikap, pendapat, persepsi seseorang tentang gejala atau masalah yang ada atau dialaminya.

Pernyataan Positif			Nilai					Nilai
Sangat setuju	:	SS	4		Sangat setuju	:	SS	1
Setuju	:	S	3		Setuju	:	S	2
Tidak setuju	:	TS	2		Tidak setuju	:	TS	3
Sangat tidak setujuh	:	STS	1		Sangat tidak setujuh	:	STS	4
Pernyataan Positif			Nilai					Nilai
Sangat penting	:	SP	4		Sangat penting	:	SP	1
Penting	:	P	3		Penting	:	P	2
Tidak penting	:	TP	2		Tidak penting	:	TP	3
Sangat tidak penting	:	STP	1		Sangat tidak penting	:	STP	4

  

Pernyataan Positif			Nilai					Nilai
Sangat puas	:	SP	4		Sangat puas	:	SP	1
Puas	:	P	3		Puas	:	P	2
Tidak puas	:	TP	2		Tidak puas	:	TP	3
Sangat tidak puas	:	STP	1		Sangat tidak puas	:	STP	4

Cara lain untuk interpretasi yaitu :

Angka : 0-25 % : Sangat tidak setuju (sangat tidak baik)

Angka : 26-50 % : Tidak setuju (tidak baik)

Angka : 51-75 % : Setuju (baik)

Angka : 76-100 % : Sangat setuju (sangat baik)

b.      Skala Guttman

Skala ini bersifat tegas dan konsisten dengan memberikan jawaban yang tegas seperti jawaban dari pertanyaan/pernyataan: ya dan tidak, positif dan negative, setuju dan tidak setuju, benar dan salah. Skala ini dibuat seperti checklist dengan interpretasi penilaian, apabila skor benar nilainya 1 dan apabila salah nilainya 0 dan analisisnya dapat dilakukan seperti skala Likert. Contoh :

Pernyataan	Ya	Tidak
Apakah saudara memberikan ASI ekslusif dilakukan pada usia 0-6 bulan

c.       Skala Diferensial Semantic

Disebut juga skala perbedaan semantic yang berisi pernyataan sikap seseorang, yang memberikan jawaban rentang dari positif ke negative.

 Contoh:

Beri nilai sikap bidan dalam komunikasi selama menolong persalinan anda. 1.      Sopan             5            4          3          2           1      Tidak sopan 2.      Ramah           5            4          3          2           1      Tidak ramah 3.      Terbuka          5            4          3          2           1      Tertutup 4.      Menghargai    5            4          3          2           1      Tidak menghargai

 d.      Rating Scale

Merupakan skala sikap yang memberikan pernyataan dengan jawaban yang berupa angka yang telah disediakan, yang hampir sama dengan skala Likert akan tetapi tersedia jawaban berupa interval angka.

Contoh :

Pernyataan	STS	TS	S	SS
Apakah saudara memberikan ASI ekslusif dilakukan pada usia 0-6 bulan	(1)	(2)	(3)	(4)

e.       Skala Thrustone

Merupakan skala yang memberikan sejumlah pernyataan pada responden. Responden diminta untuk memilih sebagian dari pernyataan, kemudian dihitung oleh peneliti sesuai dengan nilai yang telah ditetapkan.

2.      Jenis hipotesis

Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif (comparation) dan korelatif (correlation). Hal itulah yang mendasari pembagian uji hipotesis menjadi hipotesis komparatif dan hipotesis korelatif.

Untuk menunjukkan bahwa metode yang dipakai untuk mencari hubungan antar variabel adalah metode komparatif, maka digunakan kata hubungan atau perbandingan. Sedangkan untuk menunjukkan bahwa metode yang digunakan untuk mencari hubungan antar variabel adalah metode korelatif, maka digunakan kata korelasi.

Perbedaan hipotesis komparatif dan korelatif adalah pada output yang ingin diperoleh. Bila peneliti ingin mengetahui asosiasi itu dengan parameter koofisien korelasi (r), maka gunakanlah hipotesis korelatif. Namun apabila parameter yang diinginkan bukan koofisien korelasi tetapi ‘parameter yang lain’, maka gunakanlah hipotesis komparatif.

3.      Masalah skala pengukuran numeric atau kategorik

Berikut adalah panduan untuk mengelompokkan masalah skala pengukuran :

a.       Untuk hipotesis komparatif :

-          Masalah skala kategorik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel kategorik.

-          Masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel numerik.

b.      Untuk hipotesis korelatif :

-          Masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik.

-          Masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel numerik dengan variabel numerik.

4.      Pasangan dan Jumlah Kelompok

Dua atau lebih kelompok data dikatakan berpasangan apabila data tersebut dari individu yang sama baik karena pengukuran berulang, proses matching atau karena desain crossover. Dua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal dari subjek yang berbeda tanpa prosedur matching.

5.      Syarat uji parametric dan nonparametric

a.       Uji parametric

Terdapat tiga syarat yang perlu diperhatikan, yaitu skala pengukuran variabel, distribusi data, dan varians data.

-          Masalah skala pengukuran variabel : harus variabel numeric

-          Distribusi data : harus normal

-          Varians data :

ü  Kesamaan varians tidak menjadi syarat untuk uji kelompok yang berpasangan.

ü  Kesamaan varians adalah syarat tidak mutlak untuk 2 kelompok tidak berpasangan, artinya varians data boleh sama, boleh juga berbeda.

ü  Kesamaan varians adalah syarat mutlak untuk > 2 kelompok tidak berpasangan artinya varians data harus/wajib sama.

b.      Uji nonparametric

Uji ini digunakan untuk keadaan sebagai berikut :

-          Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan nominal)

-          Jika data dengan masalah skala pengukuran numeric tetapi tidak memenuhi syarat untuk uji parametric (missal distribusi data tidak normal), maka dilakukan uji nonparametric yang merupakan alternative dari uji parametriknya.

ü  Alternative uji t berpasangan adalah uji Wilcoxon

ü  Alternative uji t tidak berpasangan adalah uji Mann-Whitney

ü  Alternative uji repeated ANOVA adalah uji Friedman

ü  Alternative uji one way ANOVA adalah uji Kruskal-Wallis

Tabel Metode untuk mengetahui suatu set data memiliki distribusi normal atau tidak

Metode	Parameter	Kriteria sebaran data dikatakan normal	Keterangan
Deskriptif	Koofisien varian	Nilai koofisien varians < 30%	S    D    x 100% Mean
	Rasio skewness	Nilai rasio skewness -2 s/d 2	Skewness SE Skewness
	Rasio kurtosis	Nilai rasio kurtosis -2 s/d 2	Kurtosis SE Kurtosis
	Histogram	Simetris tidak miring kiri atau kanan, tidak terlalu tinggi atau rendah
	Box plot	Simetris media tepat ditengah, tidak ada outlier atau nilai ekstrim
	Normal Q-Q plots	Data menyebar sekitar garis
	Detrended Q-Q plots	Data menyebar sekitar garis pada nilai 0
Analitik	Kolmogorov-Smirnov	Nilai kemaknaan (p) > 0,05	Untuk sampel besar (> 50)
	Shapiro-Wilk	Nilai kemaknaan (p) > 0,05	Untuk sampel kecil (≤ 50)

Untuk mengetahui dua buah data atau lebih mempunyai varians yang sama atau tidak menggunakan uji varians (Levene’s test). Jika uji varians menghasilkan nilai p > 0,05, maka varians dari data yang diuji adalah sama.

6.      Tabel B x K dan prinsip P x K

Dijelaskan bahwa tabel B x K digunakan untuk hipotesis komparatif kategorik tidak berpasangan sedang P x K untuk hipotesis komparatif kategorik berpasangan.

a.       Tabel B x K

B adalah singkatan dari Baris dan  K adalah singkatan dari Kolom. Pada baris (B) umumnya diletakkan variabel independen/bebas, sedangkan pada kolom (K) diletakkan variabel dependen/terikat. Jenis tabel ditentukan oleh jumlah baris dan kolomnya. Jika jumlah baris ada 3 dan kolom 3, maka tabel tersebut disebut tabel 3x3.

b.      Prinsip P x K

P adalah singkatan dari pengulangan dan K dari kategori. Jenis prinsip P x K ditentukan oleh jumlah pengulangan dan kategori. Jika jumlah pengulangan ada 2 dan kategori ada 2, maka prinsip tersebut disebut 2 x 2.

Tabel Cotoh prinsip 2 x 2

		Pengetahuan sesudah penyuluhan
		Baik	Buruk
Pengetahuan sebelum penyuluhan	Baik	a	b	a + b
	Buruk	c	d	c + d
		a + c	b + d	N

 UJI T (UJI BEDA DUA MEAN)

Uji beda dua mean dibagi dalam dua kelompok :

1.      Uji T Independen (uji beda mean independen/tidak berpasangan)

2.      Uji T dependen (uji beda mean dependen/pasangan)

Uji T tidak berpasangan

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Kedua kelompok data independen

c.       Varians data boleh sama, boleh juga tidak

d.      Variabel berbentuk numeric dan kategorik

e.       Jika data berdistribusi normal, maka dipakai uji t tidak berpasangan

f.       Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data

g.      Jika data setelah ditransformasi menjadi normal, maka dipakai uji t tidak berpasangan

h.      Jika data setelah ditransformasi tetap tidak normal, maka dipakai uji alternative uji Mann-Whitney

Uji T berpasangan

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Kedua kelompok data dependen/pair

c.       Varians data tidak perlu diuji karena kelompok data berpasangan/pair

d.      Variabel berbentuk numeric dan kategorik (dua kelompok)

e.       Jika data berdistribusi normal maka dipilih uji t berpasangan

f.       Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data

g.      Jika data setelah ditransformasi distribusinya menjadi normal, maka dipakai uji t berpasangan

h.      Jika data setelah ditransformasi distribusinya tetap tidak normal, maka dipakai uji alternative uji Wilcoxon

UJI MANN-WHITNEY

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Kedua kelompok data independen

c.       Varians data boleh sama, boleh juga tidak

d.      Jika data berdistribusi normal, maka dipakai uji t tidak berpasangan

e.       Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data

f.       Jika data setelah ditransformasi menjadi normal, maka dipakai uji t tidak berpasangan

g.      Jika data setelah ditransformasi tetap tidak normal, maka dipakai uji Mann-Whitney

UJI WILCOXON

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Kedua kelompok data dependen/pair

c.       Varians data tidak perlu diuji karena kelompok data berpasangan/pair

d.      Variabel berbentuk numeric dan kategorik (dua kelompok)

e.       Jika data berdistribusi normal maka dipilih uji t berpasangan

f.       Jika data tidak berdistribusi normal, dilakukan terlebih dahulu transformasi data

g.      Jika data setelah ditransformasi distribusinya menjadi normal, maka dipakai uji t berpasangan

h.      Jika data setelah ditransformasi distribusinya tetap tidak normal, maka dipakai uji alternative uji Wilcoxon

UJI ONE WAY ANOVA

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Varians data harus sama (wajib)

c.       Masalah skala variabel numeric

d.      Kelompok tidak berpasangan

e.       Jumlah kelompok > 2

f.       Jika memenuhi syarat diatas maka dipilih uji one way ANOVA

g.      Jika data tidak berdistribusi normal, varians tidak sama maka dilakukan terlebih dahulu transformasi data

h.      Jika variabel hasil transformasi tidak berdistribusi normal dan varians tetap tidak sama, maka dipakai uji alternative uji Kruskal-Wallis

i.        Jika pada uji ANOVA atau Kruskal-Wallis menghasilkan nilai p < 0,05, maka dilanjutkan dengan melakukan analisis Post Hoc.

UJI KRUSKAL-WALLIS

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Varians data harus sama (wajib)

c.       Masalah skala variabel numeric

d.      Kelompok tidak berpasangan

e.       Jumlah kelompok > 2

f.       Jika memenuhi syarat diatas maka dipilih uji one way ANOVA

g.      Jika data tidak berdistribusi normal, varians tidak sama maka dilakukan terlebih dahulu transformasi data

h.      Jika variabel hasil transformasi tidak berdistribusi normal dan varians tetap tidak sama, maka dipakai uji alternative uji Kruskal-Wallis

i.        Jika pada uji ANOVA atau Kruskal-Wallis menghasilkan nilai p < 0,05, maka dilanjutkan dengan melakukan analisis Post Hoc (Uji Mann-Whitney)

 

UJI REPEATED ANOVA

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Masalah skala variabel numeric

c.       Kelompok berpasangan

d.      Jumlah kelompok > 2

e.       Jika memenuhi syarat diatas maka dipilih uji repeated ANOVA

f.       Jika data tidak berdistribusi normal, maka dilakukan terlebih dahulu transformasi data

g.      Jika variabel hasil transformasi berdistribusi normal, maka dipakai uji repeated ANOVA

h.      Jika variabel hasil transformasi tidak berdistribusi normal, maka dipakai uji alternative Friedman.

i.        Jika pada uji repeated ANOVA atau uji Friedman menghasilkan nilai p < 0,05, maka dilanjutkan dengan melakukan analisis Post Hoc .

UJI FRIEDMAN

Langkah/syaratnya sebagai berikut :

a.       Data harus berdistribusi normal/simetris (wajib),

b.      Varians tidak menjadi syarat karena berpasangan

c.       Masalah skala variabel numeric

d.      Kelompok berpasangan

e.       Jumlah kelompok > 2

f.       Jika memenuhi syarat diatas maka dipilih uji repeated ANOVA

g.      Jika data tidak berdistribusi normal, maka dilakukan terlebih dahulu transformasi data

h.      Jika variabel hasil transformasi berdistribusi normal, maka dipakai uji repeated ANOVA

i.        Jika variabel hasil transformasi tidak berdistribusi normal, maka dipakai uji alternative Friedman.

j.        Jika pada uji repeated ANOVA atau uji Friedman menghasilkan nilai p < 0,05, maka dilanjutkan dengan melakukan analisis Post Hoc (Uji Wilcoxon) .

UJI CHI SQUARE (X2)

Langkah/syaratnya sebagai berikut :

a.       Skala pengukuran : kategorik – kategorik

b.      Masalah skala : kategorik

c.       Kelompok tidak berpasangan

d.      Jenis tabel : 2 x 2 (B x K)

e.       Sel yang mempunyai nilai harapan (expected) kurang dari 5 (maksimal 20 % dari jumlah sel)

f.       Bila pada tabel 2 x 2 dijumpai nilai harapan kurang dari 5, maka yang digunakan adalah uji Fisher’s Exact Test

g.      Bila tabel 2 x 2 dan tidak ada nilai harapan kurang dari 5  maka uji yang dipakai sebaiknya Continuity Correction (a)

h.      Bila tabelnya lebih dari 2 x 2, missal 3 x 2, 3 x 3, dsb, maka digunakan uji Pearson Chi Square

E.     Istilah – istilah Penting dalam Biostatistik

1.      Odds ratio (OR) : membandingkan derajat hubungan (Odds) pada kelompok ter-ekspose dengan Odds kelompok tidak terekspose. OR biasanya digunakan untuk desain kasus control atau cross sectional (potong lintang).

2.       Risiko Relatif (RR) : membandingkan risiko pada kelompok terekspose dengan kelompok tidak terekspose.

3.      Hipotesis : Hipotesis berasal dari kata hup dan thesis. Hupo artinya sementara dan thesis artinya pernyataan/teori. Dengan demikian hipotesis adalah pernyataan yang perlu diuji kebenarannya.

4.      Hipotesis Null (Ho) : Hipotesis yang menyatakan tidak ada perbedaan/tidak ada hubungan sesuatu kejadian antara kedua kelompok.

5.      Hipotesis Alternatif (Ha) : yang menyatakan ada perbedaan/hubungan sesuatu kejadian antara kedua kelompok.

6.      Tingkat Kemaknaan (Level of Significance) : merupakan kesalahan tipe I suatu uji yang biasanya diberi notasi α. Merupakan nilai yang menunjukkan besarnya peluang salah dalam menolak hipotesis nol. Penentuan nilai α tergantung dari tujuan penelitian. Nilai α yang sering digunakan adalah 10%, 5% atau 1%. Untuk bidang kesehatan biasanya digunakan nilai α sebesar 5%. Sedangkan untuk pengujian obat-obatan dipakai nilai α 1%.

7.      Nilai P (p value) merupakan nilai yang menunjukkan besarnya peluang salah menolak Ho dari data penelitian. Nilai P dapat diartikan juga sebagai nilai besarnya peluang hasil penelitian.

8.      Koofisien Determinasi (R²) dipakai untuk analisis regresi. Ini berguna untuk mengetahui seberapa besar variasi variabel dependen (Y) dapat dijelaskan oleh variabel independen (X). Semakin besar nilai R² semakin baik/semakin tepat  variabel independen memprediksi variabel dependen.

9.      Populasi dan Sampel

Populasi adalah seluruh subjek atau objek dengan karakteristik tertentu yang akan diteliti. Populasi dapat dibedakan menjadi dua kategori, yaitu populasi target yang merupakan seluruh unit populasi; dan populasi survei, yaitu sub unit dari populasi target (Setiadi, 2007). Sampel merupakan bagian (subset) dari populasi yang dipilih dengan cara tertentu hingga dianggap dapat mewakili populasinya (Sastroasmoro & Ismael, 2010)

DAFTAR PUSTAKA

Arikunto, S. (2005). Prosedur penelitian: Suatu pendekatan praktik. Jakarta: Rineka Cipta

Chandra Budiman. (2008). Metodologi Penelitian Kesehatan. Jakarta : EGC.

Dahlan, M. S. (2006). Besar sampel dalam penelitian kedokteran dan kesehatan. Jakarta: Arkans

Dahlan, M. S. (2009). Statistik untuk Kedokteran dan Kesehatan. Jakarta: Salemba Medika

Hastono S.P. (2006). Analisis Univariat Analisis Bivariat. Fakultas Kesehatan Masyarakat Universitas Indonesia.

Hidayat, A. A. A. (2007). Riset keperawatan dan teknis penulisan ilmiah. Jakarta: Salemba Medika.

Hidayat, A. A. A. (2011). Metode Penelitian Kebidanan & Teknik Analisis Data. Jakarta: Salemba Medika.

Lemeshow, S., Hosmer, D. W., Klar, J., & Lwanga, S. K. (1997). Besar sampel dalam penelitiankesehatan. Yogyakarta: Gadjah Mada University Press

Sastroasmoro, S., & Ismael, S. (2010). Dasar-dasar metodologi penelitian klinis. Jakarta: Sagung Seto.

Setiadi (2007). Konsep dan penulisan riset keperawatan. Yogyakarta: Graha ilmu.

Wasis (2008). Pedoman Riset Praktis. Jakarta : EGC.