Uji Mann-Whitney merupakan uji hipotesis komparatif variabel numerik distribusi tidak normal pada dua kelompok tidak berpasangan. Langkah-langkah dalam menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis.

No	Langkah	Jawaban
1.	Menentukan variabel yang dihubungkan	Variabel yang dihubungkan adalah persepsi mahasiswa terhadap lingkungan pembelajaran (numerik) dengan angkatan tahap akademik (kategorik)
2.	Menentukan jenis hipotesis	Komparatif
3.	Menentukan masalah skala variabel	Numeric
4.	Menentukan pasangan / tidak berpasangan	Tidak berpasangan
5.	Menentukan jumlah kelompok	2 kelompok
	Sebaran data tidak normal, sehingga digunakan uji non parametric yaitu uji Mann-Whitney

Pada uji Mann-Whitney, lihat nilai p (Asymp.Sig (2-tailed)) bila nilainya <0,05 disimpulkan ada perbedaan bermakna, bila >0,05 tidak ada perbedaan bermakna.

Sumber

Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit Salemba Medika. Jakrta.2011

Ukuran kekuatan huungn bisa dilihat dengan menggunakan odds rasio (OR), risiko relatif (RR) dan kekuatan korelasi (r).  pada analisi bivariate, OR dan RR digunakan pada analisis komparatif kategorik, sedangankan kekuatan korelasi digunakan pada analisi korelatif. OR digunakan pada desain kasus case control, sementara RR digunakan pada desain kohort.

Untuk kekuatan korelasi (r) yang digunakan pada uji korelatif, maka bisa mengikuti panduan interpretasi hasil uji hipotesis berikut:

No.	Parameter	Nilai	Interpretasi
1.	Kekuatan korelasi (r)	0,00-0,199 0,20-0,399 0,4-0,599 0,6-0,799 0,80-1,000	Sangat lemah Lemah Sedang Kuat Sangat kuat
2.	Nilai p	P<0,05 P>0,05	Terdapat korelasi bermakna antara dua variabel yang diuji Tidak terdapat korelasi bermakna antara dua variabel yang diuji
3.	Arah korelasi	+(positif) -(negatif)	Searah, semakin besar nilai satu variabel maka semakin besar pula nilai variabel lainnya Berlawanan arah, semakin besar nilai satu variabel, semakin kecil nilai varaibel lainnya.

Odds rasio (OR) dan risiko relatif (RR) dapat dihitung secara manual pada table 2x2.

Rumus  OR= ad/bc

Rumus RR=a/(a+b): c(c+d)

Tabel 2x2:

		Syok		Total
		Ya	Tidak
hepatomegali	Ya	a	b	a+b
	Tidak	c	d	c+d
	Total	a+c	b+d	N

Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit Medika Salemba. Jakarta. 2011

Sebelum mulai mengolah data menggunakan SPSS, kita perlu mengenali data yang kita punya. Untuk penyajian data, kita perlu mengetahui sebaran data, apakah normal atau tidak normal. Bila sebaran data normal maka penyajian data dalam bentuk mean±SD dan bila tidak normal maka penyajian dalam bentuk median (min,max).

Manfaat lain dari mengetahui sebaran data adalah untuk uji hipotesis. Bila sebaran data normal maka gunakan uji parametrik dan bila sebaran data tidak normal maka gunakan uji non parametrik.

Metode unuk mengetahui sebaran data normal atau tidak normal bisa didapatkan dengan cara deskriptif atau dengan analitis.

Tabel. Metode untuk mengetahui sebaran data normal atau tidak normal

Metode	Parameter	Kriteria distribusi dikatakan normal	Keterangan
Deskriptif	Koefisien varian	Nilai koefisien varians >30%
	Rasio skewness	Nilai rasio skewness -2 s/d 2
	Rasio kurtosis	Nilai rasio kurtosis -2 s/d 2
	Histogram	Simetris, tidak miring kiri maupun kanan, tidak terlalu tinggi maupun rendah
	Box plot	Simetris, median tepat di tengah, tidak ada ourlier atau nilai ekstrim
	Normal Q-Q plots	Data menyebar sekitar garis
	Detrended Q-Q Plots	Data menyebar sekitar garis pada nilai 0
Analitis	Kolmogorov-Smirnov	Nilai kemaknaan (p)>0,05	Untuk sampel >50
	Shapiro-Wilk	Nilai kemaknaan (p)>0,05	Untuk sampel <50

Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit Salemba Medika. Jakarta. 2011

Apakah yang dimaksud dengan kelompok berpasangan dan kelompok tidak berpasangan? Simak penjelasan berikut ini.

Dua kelompok tidak berpasangan

Dua atau lebih kelompok data dikatakan berpasangan apabila data tersebut  dari individu yang sama baik karena pengukuran berulang, proses matching atau karena desain cross over.

Contoh: pengukuran gula darah pada suatu komunitas pada bulan Januari dan pengukuran gula darah pada komunitas yang sama pada bulan Mei. Jadi, kita punya dua kelompok data yang berpasangan, karena berasal dari kelompok yang sama.

Dua kelompok tidak berpasangan

Dua atau lebih kelompok tidak berpasangan bila data berasal dari subjek yang berbeda tanpa prosedur matching.

Contoh: Pengukuran gula darah pada daerah A dan pengukuran gula darah pada daerah B.  Jadi, kita punya dua kelompok data yang tidak berpasangan, karena individu dari kedua kelompok data tersebut berbeda

 Dua kelompok data berpasangan karena matching

Dua kelompok data yang berbeda individunya, dilakukan proses matching, dengan cara individu kelompok A dicarikan pasangannya pada kelompok B yang memiliki karakteristik yang sama.

Dua kelompok berpasangan karena desain cross over

Misalnya subjek penelitian menerima obat A selama periode tertentu setelah selesai subjek penelitian yang sama memperoleh obat B dalam periode tertentu juga. Jadi didapatkan dua data yang berpasangan karena berasal dari individu yang sama.

Perbedaan utama dari hipotesis ini adalah output yang diinginkan. Bila ingin mengetahui asosiasi itu dengan parameter koefisien  korelasi (r) maka gunakan hipotesis korelatif. Bila parameter yang diinginkan bukan koefisien korelasi maka gunakan hipotesis komparatif.

Sebelumnya pahami dulu makna dari hipotesis. Hipotesis pada dasarnya proposisi atau dugaan yang belum terbukti secara tentatif menerangkan fakta-fakta atau fenomena tertentu, atau bisa juga dikatakan bahwa hipotesis adalah jawaban yang memungkinkan terhadap suatu pertanyaan penelitian.

Hipotesis dalam penelitian harus memenuhi syarat:

1.     Harus mengekspresikan hubungan antara dua variabel atau lebih.

2.    Harus jelas dan tidak bemakana ganda

3.    Harus dapat diuji secara empiris, hipotesis memungkinkan ditampilkan dalam bentuk operasional yang dapat dievaluasi berdasarkan data yang didapatkan secara empiris.

Secara garis besar, hipotesis dibedakan menjadi dua yaitu hipotesis kerja dan hipotesis nol. Hipotesis kerja adalah anggapan dasar peneliti terhadap penelitiannya. Sedangkan hipotesis nol adalah hipotesis yang bersifat netral. Dalam statistik yang dibuktikan adalah hipotesis nol. Bila hipotesis nol diterima berarti hipotesis kerja ditolak.

Kembali pada awal tulisan ini mengenai perbedaan hipotesis komparatif dan hipotesis korelatif. Kedua hipotesis ini merupakan jenis hipotesis. Contoh hipotesis komparatif yaitu: membandingkan pengaruh variabel bebas terhadap variabel tergantung. Pertanyaan penelitiannya, apakah terdapat perbedaan rata-rata kadar gula darah antara kelompok yang mendapat pengobatan metformin dan kelompok placebo. Sedangkan contoh hipotesis korelatif yaitu untuk mengetahui asosiasi atau korelasi antara variabel bebas terhadap variabel tergantung. Pertanyaan penelitiannya, berapa besar korelasi antara kadar trigliserida dan kadar gula darah?

Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan: deskriptif, bivariate, dan multivariate, dilengkapi aplikasi dengan menggunaka SPSS. Edisi 5. 2011

Apakah variabel yang kita miliki kategorik atau non kategorik? Untuk dapat memahami data yang dimiliki apakah  kategorik atau non-kategorik, pahami penjelasan berikut.

Variabel kategorik terdiri dari variabel nominal dan ordinal, karena variabel tersebut mempunyai kategori variabel. Misalnya jenis kelamin, memilki kategori laki-laki dan perempuan, contoh ini merupakan data nominal. Contoh lain misalnya tingkat hipertensi menurut JNC VII yaitu normal, prahipertensi, hipertensi stadium I dan hipertensi stadium 2, ini merupakan contoh data ordinal. Kesimpulannya, variabel nominal memiliki data sederajat atau tidak bertingkat, sedangkan  variabel  ordinal memiliki data bertingkat.

Variabel non kategorik atau disebut juga dengan data numerik karena tidak memilki kategori variabel.  Variabel numerik terbagi atas interval dan rasio. Contoh data interval adalah suhu badan, data ini tidak memiliki nol alami.  Sedangkan contoh rasio adalah berat badan, tinggi badan, kadar asam urat, kadar kolestrol, data ini memilki nol alami.

Lambang skala pengukuran pada SPSS

Variabel scale dilambangkan dengan sebuah penggaris, variabel ini untuk data numerik. Variabel ordinal digambarkan dengan bertingkat, dan variabel nominal digambarkan dengan bulatan bola-bola yang bermakna sederajat.

Sumber

Dahlan MS. Statistik untuk kedokteran dan kesehatan. 5th ed. Jakarta: Salemba Medika; 2011.

Rumus besar sampel yang digunakanuntuk penelitian korelatif adalah:

n= {(Zα+Zβ)(1-r) / 0,5ln(1+r)}² + 3

Zα = derivate baku alfa

Zβ = derivate baku beta

r= korelasi minimal yang dianggap bermakna

Semua parameter pada rumus besar sampel korelatif ditetapkan peneliti. Interpretasi uji korelasi ditunjukkan dengan kekuatan dan arah korelasi.

Kekuatan uji korelasi (r):

-          0,00-0,199     : sangat lemah

-          0,20-0,399     : lemah

-          0,40-0,599     : sedang

-          0,60-0,799     : kuat

-          0,80-1,000     : sangat kuat

Arah uji korelasi

-          Positif             (+)       : searah, semakin besar nilai satu variabel, semakin besar pula nilai variabel lainnya

-          Negatif (-)       :  Berlawanan arah, semakin besar nilai satu variable, semakin kecil nilai variabel lainnya.

Uji korelasi Pearson bila kedua data berdistribusi normal atau uji korelasi Spearman bila kedua data atau salah satu data tidak berdistribusi normal.

Sumber:

Dahlan MS. Statistik untuk kedokteran dan kesehatan. 5th ed. Jakarta: Salemba Medika; 2011.