undang-undang republik indonesia nomor 19 tahun 2012 … · a. pendahuluan statistika merupakan...
TRANSCRIPT
Undang-undang Republik Indonesia Nomor 19 Tahun 2012 tentang Hak Cipta
Lingkup Hak CiptaPasal 2 :
Hari Purnomo – Eka Siswanto
Statistika Farmasi | iii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah
melimpahkan rahmat dan karunia-Nya sehingga buku ini
berhasil kami terbitkan. Penelitian-penelitian di bidang
farmasi banyak yang melibatkan proses analisa statistika.
Hasil penelitian yang dikerjakan dalam waktu yang tidak
singkat, akan tidak bermakna jika tidak melibatkan analisa
statistika dalam proses analisa datanya. Oleh karenanya kita
dituntut memahami statistika yang nantinya digunakan
dalam komponen penelitian bidang Kefarmasian.
Dalam buku ini akan dipaparkan secara rinci
pengenalan SPSS, aplikasi SPSS dalam menyelesaikan
penelitian baik yang bersifat eksperimental maupun
noneksperimental, jenis data, termasuk validitas dan
realibilitas untuk membuat pertanyaan pada kuisioner.
Semoga dengan hadirnya buku ini, statistik menjadi sesuatu
yang mudah difahami oleh mahasiswa farmasi khususnya
dan mahasiswa yang belajar kesehatan pada umumnya.
Hari Purnomo – Eka Siswanto
iv | Statistika Farmasi
Buku ini berbeda dengan buku buku pada umumnya,
karena sengaja kami sertakan biografi penulis lebih lengkap
dari kebanyakan buku. Hal ini dimaksudkan agar para
pembaca tidak hanya mendapat ilmu Statistika Farmasi,
tetapi juga dapat terinspirasi dengan biografi penulis, baik
pengalaman di bidang pembimbingan skripsi mahasiswa,
penulisan buku, nara sumber workshop, penelitian dan
pengalaman mengajukan permohonan paten penulis.
Penulis mengucapkan banyak terimakasih kepada
Penerbit dan semua pihak yang telah membantu baik secara
langsung maupun tidak langsung sehingga buku ini dapat
dinikmati para pembaca. Penulis menyadari pepatah’’tiada
gading yang tak retak’’, oleh karena itu kritik dan saran
untuk penyempurnaan buku ini sangat diharapkan dan dapat
disampaikan ke E-mail :
[email protected] [email protected]. Yogyakarta, 25 April 2017
Penulis,
Dr. Hari Purnomo, M.S., Apt. Eka Siswanto Syamsul,S.Farm,M.Sc., Apt.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | v
HALAMAN PERSEMBAHAN
Untuk Rabb, Tuhan kami,
Semoga buku ini dapat menjadi amalan
Hari Purnomo – Eka Siswanto
vi | Statistika Farmasi
DAFTAR ISI
Halaman judul .............................................................. i
Kata Pengantar ............................................................ iii
Halaman Persembahan ................................................ v
Daftar Isi ....................................................................... vi
BAB I STATISTIKA FARMASI ............................. 1
A. Pendahuluan ............................................................. 1
B. Jenis Statistik ........................................................... 2
C. Komponen Statistik ................................................. 3
D. Data dan Tipe Statistik ............................................ 5
E. Hipotesis Statistik .................................................... 8
F. SPSS ......................................................................... 10
G. Distribusi Normal ..................................................... 21
BAB II STATISTIKA DESKRIPTIF ....................... 24
A. Ukuran Pemusatan ................................................... 25
B. Ukuran Penyebaran .................................................. 27
BAB III UJI VALIDITAS DAN REABILITAS ....... 30
A. Definisi ..................................................................... 30
B. Pengisian SPSS ........................................................ 34
Hari Purnomo – Eka Siswanto
Statistika Farmasi | vii
BAB IV RANCANGAN PENELITIAN .................... 48
A. Rancangan Penelitian ............................................... 48
B. Metode Statistika Farmasi ........................................ 49
B.1. Statistika Parametrik ......................................... 52
B.2. Statistika Non Parametrik ................................. 62
C. Aplikasi SPSS dalam penelitian Farmasi ................. 71
1. Uji Kormogorov-Smirnov .................................... 71
2. Analisis Varian (Test Homogenitas) ................... 75
3. ANOVA .............................................................. 77
4. Independent T-Test .............................................. 77
5. Paired T-Test ........................................................ 84
6. Kruskall Wallis Test ............................................. 88
7. Friedmant Test ..................................................... 93
8. Mann Whitney Test .............................................. 97
9. WilcoxonTest ....................................................... 101
BAB V TABEL KONTINGENSI .............................. 105
A. Tinjauan Umum ...................................................... 105
B. Aplikasi SPSS pada kasus ....................................... 110
1. Study Cross-Sectional .......................................... 110
2. Study Retrospektifl ............................................... 120
3. Study Prospektif ................................................... 124
Hari Purnomo – Eka Siswanto
viii | Statistika Farmasi
DAFTAR PUSTAKA .................................................. 131
LAMPIRAN ................................................................. 133
BIOGRAFI PENULIS ............................................... 138
Biografi Hari ................................................................ 138
Biografi Eka Siswanto ................................................. 198
INDEKS ....................................................................... 203
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 1
BAB I STATISTIKA FARMASI
Tujuan instruksional:
Setelah membaca Bab I para pembaca mampu:
Mengetahui dan memahami konsep dasar-dasar statistika terutama aplikasi SPSS
A. Pendahuluan Statistika merupakan ilmu yang berkaitan dengan
pengolahan dan analisis data, hingga penarikan kesimpulan
atas analisa tersebut. Dengan pengertian lain, kegiatan
statistika meliputi pengumpulan data, penyajian data, analisa
data, dan intepretasi hasil analisa data tersebut. Hasil
pengolahan atau analisa data tersebut dinamakan statistik.
Dalam suatu penelitian ilmiah (terutama eksperimental), peran
statistika adalah sangatlah vital dalam menetapkan sebuah
keputusan (untuk penarikan kesimpulan) meskipun di
beberapa jenis penelitian porsinya tidak besar.
Penelitian-penelitian di farmasi banyak yang
melibatkan proses analisa statistika. Contoh yang tidak
melibatkan analisa statistika adalah sintesis turunan kumarin,
isolasi dan identifikasi senyawa aktif dari Aegle marmelos
Hari Purnomo – Eka Siswanto
2 | Statistika Farmasi
Correa. Sedangkan contoh yang melibatkan analisa statistika
adalah uji aktivitas hipoglikemik ekstrak buah Pare pada tikus
DM Tipe 1 diinduksi aloksan, penetapan kadar senyawa
parasetamol dalam sediaan tablet Panadol. Dalam penelitian
dan percobaan kefarmasian, statistika berperan “sedikit”
namun sangat berarti yaitu mempermudah pengambilan
keputusan pada masalah-masalah ilmiah yang dirumuskan.
Hasil penelitian yang dikerjakan dalam waktu yang tidak
singkat, akan tidak bermakna jika tidak melibatkan analisa
statistika dalam proses analisa datanya. Oleh karenanya kita
dituntut memahami statistika yang nantinya digunakan dalam
komponen penelitian bidang Kefarmasian.
B. Jenis statistika
Statistika dibedakan menjadi dua : 1. statistika
deskriptif; dan 2. statistika induktif (inferensi). Statistika
deskripsi adalah statistika yang menggambarkan atau
menjelaskan karakteristik dari data suatu sampel populasi.
Contoh dari statistika deskripsi adalah : mean (rata-rata),
modus (data yang paling sering muncul), median (nilai tengah,
nilai yang membagi data terurut menjadi dua bagian yang
sama), jangkauan (selisih nilai tertinggi dengan nilai terendah
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 3
dari data sampel), kuartil (nilai-nilai data yang dibagi menjadi
empat bagian yang sama), deviasi standart. Statistika induktif
disebut juga dengan statistika inferensi, merupakan inferensi
dari data suatu sampel. Statistika ini bertujuan melakukan
perkiraan, peramalan, pengambilan keputusan berdasarkan
analisa data. Contoh dari statistika inferensi adalah analisa
varian, uji t, korelasi dan regresi.
C. Komponen statistika
Beberapa komponen yang dilibatkan dalam kegiatan
statistika adalah : populasi, sampel, statistika inferensi,
variansi dan pengukuran realibilitas statistika.
Populasi merupakan keseluruhan obyek yang akan
diteliti dalam penelitian. Populasi mencerminkan sekumpulan
data yang mengidentifikasikan suatu kejadian. Contoh :
populasi mahasiswa laki-laki di Akademi Farmasi Samarinda.
Pada suatu penelitian memang lebih baik menggunakan
populasi sebagai obyek yang diteliti, namun hal tersebut
menjadi tidak mungkin jika populasi yang diteliti jumlahnya
sangat banyak. Apakah mungkin jika kita melakukan
penelitian uji aktivitas farmakologi terhadap populasi tikus
Hari Purnomo – Eka Siswanto
4 | Statistika Farmasi
Wistar? Pasti tidak akan mungkin meneliti “seluruh” populasi
tikus Wistar di dunia ini.
Gambar 1. Perbedaan sampel dengan populasi
Sampel merupakan sekumpulan data yang diambil atau
diseleksi dari suatu populasi. Sampel merupakan bagian dari
populasi, diambil secara acak karena mewakili populasinya.
Pengambilan sampel dilakukan jika suatu penelitian tidak
mungkin menggunakan populasi sebagai obyek penelitian.
Contoh : populasi mahasiswa laki-laki Akademi Farmasi
Samarinda adalah 50, untuk penelitian maka diambil sampel
20 mahasiswa.
Komponen statistika yang ketiga adalah statistika
inferensi, merupakan suatu kegiatan pengambilan keputusan,
perkiraan atau generalisasi terhadap suatu populasi
berdasarkan informasi dari sampel. Contoh: sampel 20
mahasiswa di atas diuji tingkat kepuasannya terhadap
perkuliahan Statistika Farmasi. Setelah data sampel dianalisa
sampel
asumsi : dipilih karena acak karena harus mewakili populasinya Populasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 5
secara statistika, maka perlu diukur realibilitasnya. Kegiatan
ini merupakan langkah prediksi kesalahan terhadap suatu
keputusan hasil dari analisa statistika.
D. Data dan Tipe Data Statistika
Berdasarkan tingkat pengukurannya atau sifatnya, data
dibedakan menjadi dua yaitu : 1. data kualitatif; dan 2. data
kuantitatif. Data kualitatif merupakan data yang berupa bukan
suatu angka. Data tipe ini tidak bisa dilakukan operasi
matematika secara langsung. Jika ingin dianalisa secara
statistika maka data kualitatif harus dikonversi menjadi bentuk
angka melalui proses pelabelan data. Data kualitatif ada dua
yaitu : data nominal dan data ordinal. Data kualitatif juga
dinamakan dengan data kategorik. Data kuantitatif merupakan
data yang berbentuk angka. Data kuantitatif jelas bisa
dilakukan operasi matematika. Data tipe ini dibedakan menjadi
dua yaitu : data interval dan data rasio. Data kuantitatif juga
dinamakan dengan data numerik atau non-kategorik. Dalam
SPSS disebut dengan data scale.
1. Data Nominal
Data nominal merupakan data yang diperoleh dengan
cara kategorisasi atau klasifikasi. Posisi datum-datum adalah
setara. Data ini hanya bisa membedakan sesuatu yang bersifat
Hari Purnomo – Eka Siswanto
6 | Statistika Farmasi
kualitatif misalnya : jenis kelamin, agama, warna kulit. Data
jenis ini tidak bisa dilakukan operasi matematika.
Contoh Data
Peneliti ingin mengetahui apakah multivitamin
Redoxon®, Cerebrofit XL®, atau Vitalong C® yang
paling sering dipilih mahasiswa Akfar untuk
meningkatkan ketahanan tubuh dan daya pikirnya.
Peneliti mengambil sampel 3 mahasiswa setiap kelas
dari angkatan 2012 sampai 2014 yang suka minum
multivitamin sehingga didapatkan 3 x 12 mahasiswa
yaitu 36 sampel mahasiswa dari semua angkatan. Lalu
mereka menulis 1 jika sering minum Redoxon®, 2 jika
sering minum Cerebrofit®, dan 3 jika sering minum
Vitalong C®.
Didapatkan data percobaan sebagai berikut :
No Pilihan No Pilihan No Pilihan 1 2 13 2 25 1 2 3 14 2 26 2 3 1 15 2 27 2 4 3 16 1 28 2 5 3 17 3 29 3 6 2 18 1 30 1 7 2 19 3 31 3 8 3 20 2 32 3 9 3 21 3 33 2
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 7
10 2 22 2 34 2 11 2 23 3 35 1 12 1 24 2 36 3
2. Data Ordinal
Data ordinal merupakan data yang juga diperoleh
dengan cara kategorisasi atau klasifikasi, namun diantara data
tersebut terdapat hubungan. Posisi datum-datum adalah tidak
setara. Data ini selain membedakan juga menunjukkan
tingkatan misalnya tingkat pendidikan, tingkat kepuasan. Data
jenis ini tidak bisa dilakukan operasi matematika secara
langsung Contoh : Tingkat kepuasan mahasiswa terhadap
perkuliahan Statistika Farmasi. Tidak puas diberi tanda 1, puas
diberi tanda 2, sangat puas diberi tanda 3. Contoh lain :
klasifikasi tekanan darah manusia (rendah, normal, tinggi), dan
tingkat pendidikan pegawai apotik (pendidikan rendah,
pendidikan menengah, pendidikan tinggi).
Contoh Data
Peneliti ingin mengetahui tingkat kekentalan sediaan sirup yang dibuat namun dia tidak mempunyai viskometer, lalu dia mengklasifikasikan 30 sediaan sirup menjadi 3 kategori yaitu 1= kental, 2= lumayan kental, 3=tidak kental. Didapatkan data percobaan sebagai berikut :
Hari Purnomo – Eka Siswanto
8 | Statistika Farmasi
E. Hipotesis Statistika
Hipotesis merupakan suatu dugaan yang perlu
dilakukan pengujian apakah hipotesis yang dirumuskan sesuai
dengan hasil penelitian. Pengujian hipotesis diperlukan untuk
menyimpulkan populasi dari data yang diperoleh dari sampel.
Hipotesis ada dua yaitu 1. hipotesis penelitian, dan 2. hipotesis
statistika.
Hipotesis penelitian merupakan dugaan sementara
yang dibuktikan melalui penelitian. Setelah diuji melalui
serangkaian proses penelitian, kemudian dibuat suatu
kesimpulan yang merupakan jawaban atas hipotesis yang
dirumuskan. Dalam suatu proposal penelitian penyusunan
No Tingkat Kekentalan
No Tingkat Kekentalan
No Tingkat Kekentalan
1 1 11 1 21 1 2 3 12 1 22 2 3 1 13 2 23 1 4 3 14 1 24 2 5 1 15 3 25 1 6 2 16 1 36 1 7 2 17 3 27 3 8 3 18 1 28 3 9 1 19 3 29 1 10 2 20 2 30 2
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 9
“hipotesis” harus didahului oleh “landasan teori” yang
merupakan dasar-dasar teori yang disusun sendiri oleh
mahasiswa yang digunakan dalam penyusunan hipotesis.
Apabila dalam penyusunan proposal, tidak ada dasar yang kuat
untuk membuat suatu hipotesis, maka “landasan teori” dan
“hipotesis” diganti dengan keterangan empirik, suatu
keterangan ilmiah yang akan diperoleh dari melakukan suatu
penelitian. Contoh : Landasan teori, senyawa koumarin yang
mengandung gugus hidroksi pada posisi 7 menghasilkan efek
penghambatan pelepasan histamin. Salah satu turunan
koumarin yang mengandung gugus hidroksi tersebut adalah
marmin, juga menghasilkan efek penghambatan pelepasan
histamin. Marmin terkandung dalam dalam ekstrak akar Buah
Maja. Hipotesisnya berarti ekstrak akar Buah Maja bisa
menghambat pelepasan histamin.
Hipotesis statistika dirumuskan dalam tahap awal
analisa statistika. Hipotesis statistika terdiri dari hipotesis nol
(H0) dan hipotesis tandingan/alternatif (H1). Hipotesis nol
(H0), dalam perumusannya mengandung arti sama atau tidak
berbeda, sedangkan hipotesis tandingan/alternatif (H1),
perumusannya mengandung arti tidak sama atau berbeda (bisa
lebih besar atau lebih kecil). Hipotesis statistika perlu
dilakukan pengujian yaitu pengujian hipotesis H0 vs. H1 untuk
Hari Purnomo – Eka Siswanto
10 | Statistika Farmasi
dibuat keputusan apakah menolak atau menerima H0 atau H1.
Langkah – langkah dalam pengujian hipotesis :
1. Perumusan hipotesis sesuai metode statistika yg digunakan,
2. Menguji data sampel dengan metode statistika misalnya
dengan piranti lunak SPSS, atau metode konvensional
perhitungan statistika dengan rumus,
3. Menentukan penerimaan atau penolakan hipotesis,
4. Membuat kesimpulan hasil penelitian.
F. SPSS
Statistical Product and Service Solution (SPSS)
adalah salah satu paket program yang sangat penting dalam
pengolahan data statistic. SPSS menyediakan fasilitas analisis
yang cukup lengkap dan menyeluruh dari berbagai macam
analisis statistika dan yang paling penting adalah paket
program ini sangat user friendly. Bagaimana cara
memakainya?
Pertama ketika membuka program SPSS adalah
memperhatikan dua bagian utamana yaitu Data View dan
Variable Views. Pada tampilan SPSS, lokasinya ada di kiri
bawah (gambar 2). Langkah pertama adalah membuka
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 11
Variable Views dengan klik tombol tersebut pada kiri bawah
tampilan SPSS tersebut (lihat gambar di bawah). Pada
tampilan Variable Views didapatkan beberapa nama kolom
yaitu : Name, Type, Width, Decimals, Label, Values, Missing,
Column, Align, Measures.
Name. Kata yang merupakan nama dari variabel yang
akan kita libatkan dalam analisa statistika. Apabila kita
Hari Purnomo – Eka Siswanto
12 | Statistika Farmasi
mengisi kotak Name, secara otomatis pada kolom
“var” pada Data View akan ternamai.
Type. Tipe data ada dua yaitu kualitatif dan kuantitatif.
Pada SPSS, yang sering dipakai pada kotak dialog
Type adalah string dan numeric. Data string
merupakan data kualitatif, misalnya data dalam bentuk
huruf atau kata. Sedangkan data numeric merupakan
data kuantitatif berupa data angka. Data numeric inilah
yang bisa diproses dalam SPSS.
Width, merupakan jumlah digit data yang akan
dimasukan. Apabila data berupa numeric, isian Width
tidak bisa lebih dari 40, sedangkan data string isian
Width tidak bisa lebih dari 32767. Supaya seragam
bisa dipilih antara 10-20.
Decimal, merupakan jumlah digit dibelakang titik.
Untuk data numeric tidak bisa lebih dari 16, sedangkan
untuk data string tidak ada isian Decimal.
Labels, merupakan keterangan untuk nama variabel.
Contoh, jika pada isian Name kita isi dengan kata
kelompok maka pada isian Labels kita isi dengan isian
kelompok perlakuan obat.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 13
Values. Isian ini akan dipakai apabila akan membuat
kode untuk data kualitatif. Contoh : kategori
mahasiswa semester 1 diberi kode 1, mahasiswa
semester 2 diberi kode 2. Kategori mahasiswa
merupakan data string, jika sudah dikode dengan angka
maka berubah menjadi numeric. Aplikasinya pada
Data View, jika kita mengisi angka 1 maka akan terisi
dengan isian “mahasiswa semester 1”.
Missing, merupakan data yang hilang atau isiannya
tidak ada.
Column, merupakan lebar tampilan kolom pada Data
View. Isian ini bisa kita atur lebar kolom sesuai dengan
kebutuhan. Default pada SPSS adalah 8.
Align, merupakan tampilan posisi data, ada tiga pilihan
yaitu rapat kiri, tengah atau kanan.
Measure. Ini merupakan bagian penting dalam
Variable View. Isian sangat tergantung jenis data yang
akan diisikan yaitu nominal, ordinal atau scale. Dalam
SPSS data numeric (interval dan rasio) diwakili oleh
data scale.
Hari Purnomo – Eka Siswanto
14 | Statistika Farmasi
Contoh kasus
Dari pemeriksaan tekanan darah pada pasien dengan terapi
Captopril 50 mg, diperoleh data sebagai berikut.
Bagaimana cara memasukan data ini dalam SPSS?
Langkah pertama, identifikasi jenis data yang akan
dimasukkan yaitu : nama pasien (data string), jenis kelamin
(data nominal), umur dan tekanan darah (data numerik) dan
tingkat efek samping batuk kering (data ordinal).
Langkah kedua, pengisian pada tampilan Variable View.
1. Pengisian variabel nama pasien
- Isi dengan kata “nama pasien” pada kolom Name.
- Pada kolom Type, klik kotak kecil seperti ditunjukkan
pada gambar.
No. Nama pasien
Jenis kelamin
Umur (thn)
Tekanan Darah (mmHg)
Efek samping Batuk kering
1. 2. 3. 4. 5. 6. 7. 8.
Thomy Raden Ayu Bhisma Daniah Poniem Sarwan Agus
Laki-laki Perempuan Perempuan Laki-laki Perempuan Perempuan Laki-laki Laki-laki
45 51 43 37 40 46 33 53
150/80 140/77 130/70 130/75 160/86 144/81 133/73 134/74
Berat Ringan Ringan Ringan Sedang Sedang Berat Ringan
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 15
Kemudian akan tampak tampilan sebagai berikut. Tipe
data untuk nama adalah string.
- Pada kolom Width, pilih angka 20 untuk keseragaman.
- Pada kolom Decimals. Karena tipe data string maka
kolom ini tidak aktif. Logikanya, data string merupakan
data dalam bentuk huruf atau kata sehingga tidak bisa
diberi desimal.
- Pada kolom Label, diisi dengan nama pasien RSUD
AW Sjahranie Samarinda.
Hari Purnomo – Eka Siswanto
16 | Statistika Farmasi
- Pada kolom Values, diabaikan saja karena tidak ada
pengkodean.
- Pada kolom Column, disi dengan 8 untuk keseragaman.
- Pada kolom Align, abaikan saja. Default dari SPSS
adalah rata kiri (Left).
- Pada kolom Maesures. Karena data bersifat string,
maka yang muncul pada tampilan Measures ada dua
pilihan yaitu nominal dan ordinal. Variabel nama pasien
adalah bersifat setara antara data satu dengan lainnya
atau “unik” artinya nama pasien satu dengan yang lain
berbeda maka kita pilih “nominal” saja.
2. Pengisian variabel jenis kelamin
- Isi dengan kata “jenis_kelamin” pada kolom Name.
Pada kolom Name, kita tidak bisa menggunakan space
diantara dua kata sehingga sebagai pengganti digunakan
underline.
- Pada kolom Type, pilih numeric. Mengapa tidak string?
Sebenarnya kita bisa memilih opsi string, tapi kita harus
mengisi pada Data View dengan kata “laki-laki” ata
“perempuan” secara manual. Namun jika pilih numeric,
kedua jenis kelamin tersebut bisa dikode dengan angka
misal laki-laki dikode 1, dan perempuan 2. Sehingga
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 17
pada isian Data View, jika mengisi angka 1 makan akan
keluar tampilan kata laki-laki, dan angka 2 akan keluar
tampilan kata perempuan.
- Pada kolom Width, pilih angka 20 untuk keseragaman.
- Pada kolom Decimals. Karena tampilan data pada Data
View adalah dalam bentuk huruf atau kata maka tidak
perlu mengisi decimal, atau diberi isian nol pada kolom
ini.
- Pada kolom Label, diisi dengan jenis kelamin pasien
RSUD AW Sjahranie Samarinda.
- Kolom Values. Ingat bahwa pada kolom Type dipilih
opsi numeric sehingga jika mengisi dengan huruf atau
kata pada Data View maka tidak akan bisa muncul, atau
kita hanya bisa mengisi dengan isian angka. Karena
data yang akan kita tampilkan berupa huruf atau kata,
maka kita perlu melakukan pengkodean dengan angka.
Klik kotak kecil seperti ditunjukkan pada gambar.
Hari Purnomo – Eka Siswanto
18 | Statistika Farmasi
Kemudian akan tampak tampilan sebagai berikut.
Untuk keperluan pengkodean, isi kotak isian value
dengan angka 1, dan kotak isian value label dengan kata
laki-laki, dan secara otomatis kotak “add” akan aktif.
Kemudian klik add. Selanjutnya
isi kotak isian value dengan angka 2, dan kotak isian
value label dengan kata perempuan, dan klik add.
Selanjutnya akan tampak tampilan sebagai berikut.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 19
Selanjutnya klik OK. Kembali ke tampilan Data View,
klik menu View dan aktifkan value labels.
- Pada kolom Column, disi dengan 8 untuk keseragaman.
- Pada kolom Align, abaikan saja. Default dari SPSS
adalah rata kiri (Left).
- Pada kolom Maesures. Data jenis kelamin merupakan
data nominal sehingga pilih opsi nominal.
3. Pengisian variabel tekanan darah
Hari Purnomo – Eka Siswanto
20 | Statistika Farmasi
- Isi dengan kata “tekanan_darah” pada kolom Name.
Ingat, pada kolom Name harus mempergunakan
underline untuk menyambung dua kata.
- Pada kolom Type, pilih opsi numeric.
- Pada kolom Width, abaikan saja.
- Pada kolom Decimals, diisi dengan angka dua.
- Pada kolom Label, diisi dengan tekanan darah pasien
RSUD AW Sjahranie Samarinda.
- Pada kolom Values, abaikan saja karena tidak ada
pengkodean.
- Pada kolom Column, disi dengan 8 untuk keseragaman.
- Pada kolom Align, abaikan saja. Default dari SPSS
adalah rata kiri (Left).
- Pada kolom Maesures. Data jenis kelamin merupakan
data nominal sehingga pilih opsi nominal.
4. Pengisian variabel efek samping batuk kering
- Isi dengan kata “ESO_batuk” pada kolom Name.
- Pengisian yang lain mirip dengan pengisian variabel
jenis kelamin.
- Pengkodean yang dilakukan adalah 1,2 dan 3 untuk
mengkode tingkat keparahan batuk ringan, sedang dan
berat.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 21
- Pada kolom Maesures. Data tingkat keparahan efek
samping batuk merupakan data ordinal sehingga pilih
opsi ordinal.
G. Distribusi Normal
Mengenal Distribusi Normal dan Cara Membaca Tabel
Distribusi Normal
Distribusi normal merupakan salah satu distribusi
probabilitas yang penting dalam analisis statistika. Distribusi
ini memiliki parameter berupa mean dan simpangan baku.
Distribusi normal dengan mean = 0 dan simpangan baku = 1
disebut dengan distribusi normal standar. Apabila
digambarkan dalam grafik, kurva distribusi normal berbentuk
seperti genta (bell-shaped) yang simetris. Perhatikan kurva
distribusi normal normal standar berikut:
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga (‒∞) hingga positif takhingga (+∞). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva
Hari Purnomo – Eka Siswanto
22 | Statistika Farmasi
normal adalah satu (sebagaimana konsep probabilitas). Dengan demikian, luas kurva normal pada sisi kiri = 0,5; demikian pula luas kurva normal pada sisi kanan = 0,5.
Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang dilambangkan dengan notasi P (X<x). Sebagai contoh, P (X<1), apabila diilustrasikan dengan grafik adalah luas kurva normal dari minus takhingga hingga X = 1.
Secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan menggunakan rumus:
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 23
Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal (Bisa dilihat pada lampiran 1 buku ini).
Hari Purnomo – Eka Siswanto
24 | Statistika Farmasi
BAB II
STATISTIKA DESKRIPTIF
Tujuan instruksional:
Setelah membaca Bab II para pembaca mampu:
Memahami konsep umum Statistika Deskriptif
Statistika deskriptif adalah statistika yang
menggambarkan atau menjelaskan karakteristik dari data suatu
sampel populasi. Kegiatan berkaitan dengan statistika
deskripsi adalah pengumpulan, pencatatan, peringkasan,
penyusunan dan penyajian data. Penyajian data bisa berupa
tabel frekuensi, grafik atau histogram. Contoh dari statistika
deskripsi adalah : mean (rata-rata), modus (data yang paling
sering muncul), median (nilai tengah, nilai yang membagi data
terurut menjadi dua bagian yang sama), jangkauan (selisih
nilai tertinggi dengan nilai terendah dari data sampel), kuartil
(nilai-nilai data yang dibagi menjadi empat bagian yang sama),
deviasi standart. Dua parameter yang sering digunakan dalam
penyajian statistika deskriptif adalah ukuran pemusatan dan
ukuran penyebaran data. Parameter lainnya adalah ukuran
distribusi data yaitu skewness dan kurtosis. Nilai skewness
merupakan ukuran kesimetrisan suatu kurva distribusi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 25
frekuensi data. Kurtosis merupakan ukuran keruncingan dari
suatu kurva distribusi frekuensi data.
A. Ukuran Pemusatan
Dalam beberapa buku juga disebut dengan istilah
ukuran tendensi pusat atau central tendency. Ukuran
pemusatan merupakan ukuran yang menunjukkan pusat suatu
distribusi data, dan bisa mewakili data dari suatu pengukuran
atau pengamatan. Pada dasarnya terdapat tiga cara yang dapat
digunakan sebagai ukuran pemusatan yaitu mean, median dan
modus.
1. Mean
Nilai ini disebut juga dengan rata-rata hitung.
Simbolnya adalah X. Mean merupakan penjumlahan
semua nilai dari seluruh pengamatan atau pengukuran
dibagi dengan jumlah pengamatan atau pengukuran.
Mean merupakan ukuran pemusatan utama dan paling
sering digunakan dalam penyajian data deskriptif.
2. Median
Median merupakan nilai tengah dari suatu keseluruhan
pengamatan atau pengukuran. Median diukur dengan
cara mengurutkan nilai terkecil hingga terbesar,
Hari Purnomo – Eka Siswanto
26 | Statistika Farmasi
kemudian ditentukan nilai tengahnya. Apabila jumlah
sampel (data) adalah ganjil maka median merupakan
data yang posisinya paling tengah, jika sampel (data)
genap maka mediannya adalah rata-rata dua data yang
posisinya ditengah.
3. Modus
Modus merupakan nilai yang paling sering muncul
dari suatu pengamatan.
Apabila data dari suatu pengukuran atau pengamatan
adalah homogen atau distribusi frekuensi datanya simetris,
ketiga nilai di atas cenderung relatif sama. Namun, apabila
data suatu sampel adalah heterogen atau distribusi frekuensi
datanya tidak simetris (condong ke kanan atau ke kiri) maka
khusunya nilai mean dan median cenderung berbeda.
Contoh :
- Dari sekumpulan data pertama sbb : 10, 10,10, 10, 8, 9,
7, 11, 12, 13, 11, 9, 9.
Nilai mean, median dan modus berturut-turut adalah :
9,92; 10 dan 10.
- Dari sekumpulan data kedua sbb : 10, 30, 34, 10, 2, 44,
10, 22, 11, 39, 29, 10, 6.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 27
Nilai mean, median dan modus berturut-turut adalah :
19,11; 11 dan 10.
B. Ukuran Penyebaran
Dalam beberapa buku, istilah ukuran penyebaran juga
disebut dengan ukuran variabilitas, ukuran dispersi data,
ukuran sebaran data. Sebaran data merupakan gambaran
penyebaran data pengukuran di sekitar nilai pusatnya. Dalam
hal ini, apabila data homogen maka sebaran datanya semakin
kecil, sebaliknya jika data bersifat heterogen maka sebaran
datanya adalah besar. Ada beberapa cara yang sering
digunakan sebagai ukuran penyebaran yaitu varian, koefesien
varian, jangkauan, dan deviasi standar.
1. Jangkauan
Jangkauan atau range merupakan selisih antara data
terbesar dengan data terkecil dari suatu sekumpulan
pengamatan atau pengukuran.
2. Deviasi standar (Standard deviation)
Deviasi standar (SD) merupakan ukuran penyebaran
yang sering banyak dipakai dalam penyajian data
deskriptif. Deviasi standar merupakan akar dari
penjumlahan kuadrat dari selisih antara data
pengamatan dengan nilai mean-nya, kemudian dibagi
Hari Purnomo – Eka Siswanto
28 | Statistika Farmasi
dengan jumlah data (n). Dalam penyajian data
deskriptif, seringkali nilai deviasi standar diganti
dengan nilai Standard error of Mean (SEM). Nilai
tersebut diperoleh dari nilai SD dibagi dengan akar
jumlah pengamatan.
3. Varian (Variance)
Varian merupakan pangkat dua dari nilai deviasi
standar.
4. Koefisien variasi (Coefficient of variation)
Koefisien variasi merupakan suatu ukuran penyebaran
relatif. Nilai koefisien variasi diperoleh dari nilai
deviasi standar dibagi dengan nilai mean dikalikan
seratus. Nilai ini digunakan untuk membandingkan
secara relatif distribusi data dengan mean suatu sampel
yang berbeda. Artinya, jika ada dua data dengan mean
yang berbeda nilainya dan nilai SD-nya sama, maka
mean dengan nilai lebih tinggi mempunyai dispersi
data relatif lebih rendah. Contoh : Sampel A dan B
berturut-turut dengan nilai X dan SD sebesar 100±20
dan 10±20. Nilai CV dari sampel A dan B adalah 20
dan 200 sehingga dispersi data sampel A lebih rendah
dibandingkan sampel B.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 29
Di samping keempat ukuran penyebaran di atas, masih ada
beberapa nilai yang lain yang akan dibahas sekalian pada sub-
bab aplikasi SPSS pada statistika deskripstif.
Hari Purnomo – Eka Siswanto
30 | Statistika Farmasi
BAB III
UJI VALIDITAS DAN REALIBILITAS
Tujuan instruksional:
Setelah membaca Bab III para pembaca mampu:
Memahami dan mengaplikasikan uji Validitas dan Reabilitas
pada kuisioner yang telah dibuat, untuk dinilai apakah
kuisioner sudah Valid dan Realiabel.
A. Definisi
Dalam penelitian kualitatif yang menggunakan
instrument kuisioner sebagai alat ukur, maka harus
memenuhi 2 syarat penting yaitu: Valid dan Reliabel
(handal). Kuisioner disebut Valid jika pertanyaan
kuisioner tersebut mampu mengungkapkan sesuatu yang
akan diukur oleh kuisioner itu sendiri. Kuisioner
dikatakan reliable (handal) bila jawaban seseorang
terhadap pertanyaan konsisten/ stabil dari waktu ke waktu.
Pengukuran reliabilitas dapat dilakukan dengan cara
sebagai berikut:
1. Repeated measure (mengukur ulang). Seseorang
biasanya akan disodori pertanyaan yang sama pada
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 31
waktu berbeda dan dilihat apakah dia akan tetap
menjawab dengan konsisten atau tidak.
2. One short atau sekali saja. Disini pengukuran
dilakukan sekali dan kemudian hasilnya akan
dibandingkan dengan hasil pertanyaan lain.
Untuk memahami hal diatas, berikut disajikan contoh
kasus untuk mengetahuinya.
Contoh kasus:
Untuk mengetahui bagaimana perilaku konsumen
terhadap pelayanan informasi obat (PIO) di Apotek X,
maka manajemen mengukur dengan pendapat konsumen
tentang sikap konsumen terhadap pelayanan (faktor 1) dan
kepuasan terhadap pelayanan (faktor 2)
Faktor 1 sikap konsumen terhadap pelayanan terdiri dari
10 butir, misalnya:
Butir 1: Apakah anda setuju bila waktu tunggu layanan
obat nonresep termasuk kategori cepat?
Faktor 2 kepuasan terhadap pelayanan terdiri dari 7 butir
Semua jawaban berupa pilihan dengan skala likers sebanyak 5 skala, yaitu:
5 = Sangat setuju 4 = Setuju 3 = Ragu-ragu
2 = Tidak setuju 1 = Sangat tidak setuju
Hari Purnomo – Eka Siswanto
32 | Statistika Farmasi
No Nama
Butir 1
Butir 2
Butir 3
Butir 4
Butir 5
Butir 6
Butir 7
Butir 8
Butir 9
Butir 10
1 Ali 3 4 3 3 2 4 4 3 4 3
2 Ami 4 3 3 3 2 3 3 3 3 3
3 Aminah 2 3 3 4 2 3 4 4 2 2
4 Amir 3 5 3 3 1 3 3 2 2 2
5 Andrie 4 3 4 5 2 4 3 4 4 4
6 Anna 2 4 3 4 2 2 4 3 3 3
7 Anton 4 4 4 5 2 4 4 3 5 2
8 Barry 2 5 3 4 1 5 5 5 4 4
9 Basyir 4 5 3 3 1 1 5 5 2 2 10 Bona 4 3 4 5 4 1 4 4 5 2 11 Budi 3 4 4 3 2 2 2 3 4 4 12 Cecep 3 2 4 2 5 2 1 2 2 2 13 Deby 2 3 4 1 3 4 4 3 3 3 14 Doddy 3 5 3 3 2 3 3 4 2 2 15 Donny 2 4 3 5 3 2 2 5 3 3 16 Dwi 4 5 5 3 1 4 4 3 4 4 17 Edo 3 5 5 4 2 3 3 5 5 5 18 Eka 2 4 4 4 2 4 4 4 2 2 19 Gogon 3 3 3 4 1 2 4 5 3 3 20 Hena 4 4 4 3 2 4 3 5 2 2 21 Lestari 2 3 3 4 3 4 4 4 4 4 22 Mayta 3 4 5 3 2 2 4 4 2 3 23 Roben 4 3 3 2 2 2 2 3 3 3 24 Siregar 3 4 4 2 3 2 3 3 2 2
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 33
Namun sebelum diedarkan secara resmi pada beberapa
responden (untuk penelitian) maka kuisioner tersebut diuji
coba dulu pada 30 responden dengan data sebagai berikut:
Faktor 1 sikap konsumen terhadap pelayanan terdiri dari 10 butir
Faktor 2 kepuasan terhadap pelayanan terdiri dari 7 butir
No Nama Butir
11 Butir
12 Butir
13 Butir
14 Butir
15 Butir
16 Butir
17
1 Ali 3 4 3 3 2 4 4
2 Ami 4 3 3 3 2 3 3
3 Aminah 2 3 3 4 2 3 4
4 Amir 3 5 3 3 1 3 3
5 Andrie 4 3 4 5 2 4 3
6 Anna 2 4 3 4 2 2 4
7 Anton 4 4 4 5 2 4 4
8 Barry 2 5 3 4 1 5 5
9 Basyir 4 5 3 3 1 1 5
10 Bona 4 3 4 5 4 1 4
11 Budi 3 4 4 3 2 2 2
12 Cecep 3 2 4 2 5 2 1
13 Deby 2 3 4 1 3 4 4
14 Doddy 3 5 3 3 2 3 3
25 Tono 4 2 3 1 4 2 1 1 1 1 26 Toyyib 4 2 2 2 2 2 2 2 2 3 27
Tukiyem 4 3 3 4 3 3 3 3 3 3
28
Waginem 3 3 3 3 1 4 4 4 3 3
29 Zafir 4 4 3 3 3 3 3 4 4 4 30 Zahrana 3 2 1 1 1 2 1 1 1 1
Hari Purnomo – Eka Siswanto
34 | Statistika Farmasi
15 Donny 2 4 3 5 3 2 2
16 Dwi 4 5 5 3 1 4 4
17 Edo 3 5 5 4 2 3 3
18 Eka 2 4 4 4 2 4 4
19 Gogon 3 3 3 4 1 2 4
20 Hena 4 4 4 3 2 4 3
21 Lestari 2 3 3 4 3 4 4
22 Mayta 3 4 5 3 2 2 4
23 Roben 4 3 3 2 2 2 2
24 Siregar 3 4 4 2 3 2 3
25 Tono 4 2 3 1 4 2 1
26 Toyyib 4 2 2 2 2 2 2
27 Tukiyem 4 3 3 4 3 3 3
29 Zafir 4 4 3 3 3 3 3
30 Zahrana 3 2 1 1 1 2 1
B. Pengisian SPSS
Beberapa langkah pengisian SPSS untuk uji Validitas
dan Reabilitas pada mengukur dengan pendapat
konsumen tentang sikap konsumen terhadap pelayanan
(faktor 1) dan kepuasan terhadap pelayanan (faktor 2)
sebagai berikut:
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 35
Klik Ok…
Hari Purnomo – Eka Siswanto
36 | Statistika Farmasi
Sehingga diperoleh pada variable view sebagai berikut:
Langkah uji Validitas
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 37
Klik menu Analize >> scale >> reliability analysis
Akan muncul tampilan sebagai berikut:
Masukkan semua variable butir Faktor 1 (Butir 1 sampai Burir 10) ke kotak item yang ada disebelah kanan.
Hari Purnomo – Eka Siswanto
38 | Statistika Farmasi
Pada model biarkan pilihan pada alpha
Kliklah menu Statistics, akan muncul tampilan sebagai berikut:
Pada Bagian descriptive for check list ketiganya (item, scale, scale if item deleted)
Abaikan bagian lain dan klik Continue untuk kembali ke dialog utama
Klik OK
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 39
Kemudian diperoleh output sebagai berikut:
Tabel diatas hanya untuk menjelaskan mean dan standar
deviasi, yaitu: 30,8667 dan 5,4629.
Hari Purnomo – Eka Siswanto
40 | Statistika Farmasi
Berikutnya adalah uji validitas, dimana dimaknai dengan : Uji validitas Butir 1 1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor H1 : Skor butir tidak berkorelasi positif dengan skor faktor
2. Tingkat signifikansi Dari tabel r (lihat tabel dibawah), df= jumlah kasus – 2, df = 30-2 =28, dengan nilai α =5% maka didapatkan nilai tabel angka 0,239 (r tabel= 0,239)
TABEL NILAI KRITIK (KORELASI ITEM – TOTAL TERKOREKSI 1 SISI)
(SISI KANAN / KORELASI POSITIF)
db α = 1% α = 5% db α = 1% α = 5%
1 0.985 0.929 18 0.352 0.296
2 0.881 0.770 19 0.343 0.289
3 0.776 0.663 20 0.335 0.282
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 41
4 0.695 0.590 21 0.327 0.275
5 0.634 0.536 22 0.320 0.269
6 0.586 0.495 23 0.313 0.263
7 0.548 0.462 24 0.307 0.258
8 0.516 0.434 25 0.301 0.253
9 0.489 0.411 26 0.295 0.248
10 0.465 0.392 27 0.290 0.244
11 0.445 0.375 28 0.285 0.239
12 0.427 0.630 29 0.280 0.235
13 0.411 0.346 30 0.275 0.231
14 0.397 0.334 40 0.239 0.201
15 0.384 0.323 60 0.196 0.165
16 0.373 0.310 120 0.139 0.117
17 0.362 0.305 ∞ 0.048 0.041
Catatan :
a. Tabel di atas didasarkan atas Korelasi Pearson, sehingga hanya cocok untuk data metrik (skala interval/rasio). Dalam praktek, data berskala ordinal bisa ditoleransi asalkan memiliki 4 tingkatan atau lebih (misal: skala Likert). Jika data berbentuk biner (0,1), gunakan teknik yang lain.
b. Cara membaca : H0 : ρterkoreksi ≤ 0 vs H1 : ρterkoreksi > 0
Hari Purnomo – Eka Siswanto
42 | Statistika Farmasi
Tolak H0 jika nilai rterkoreksi > nilai rtabel untuk db yang bersesuaian
db = n – 2 (n adalah jumlah sampel) Sumber tabel : (Hadi, Sutrisno, 1990)
3. Statistik uji
r hasil = -0,161
4. Daerah kritik
Ho tidak ditolak jika: r positif, serta r hasil > r tabel,
sehngga butir tersebut dikatakan Valid
5. Kesimpulan
Karena r hasil (-0,161) tidak positif maka Ho ditolak
yang berarti bahwa skor butir 1 tidak berkorelasi positif
dengan skor faktor sehingga butir 1 dikatakan TIDAK
VALID
Uji validitas Butir 2
1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor
H1 : Skor butir tidak berkorelasi positif dengan skor
faktor
2. Tingkat signifikansi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 43
Dari tabel r (lihat tabel diatas), df= jumlah kasus – 2, df =
30-2 =28, dengan nilai α =5% maka didapatkan nilai tabel
angka 0,239 (r tabel= 0,239)
3. Statistik uji
r hasil = 0,462
4. Daerah kritik
Ho tidak ditolak jika: r positif, serta r hasil > r tabel,
sehngga butir tersebut dikatakan Valid
5. Kesimpulan
Karena r hasil (0,462) > (r tabel= 0,239) maka Ho
diterima yang berarti bahwa skor butir 2 berkorelasi
positif dengan skor factor sehingga butir 2 dikatakan
VALID
Demikian seterusnya sampai butir ke 10, kemudian kita buat tabel sebagai berikut:
No Variable r hasil r tabel keterangan 1 Butir1 -0,161 0,239 Tidak Valid 2 Butir2 0,462 0,239 Valid 3 Butir3 0,523 0,239 Valid 4 Butir4 0,612 0,239 Valid 5 Butir5 -0,270 0,239 Tidak Valid 6 Butir6 0,301 0,239 Valid 7 Butir7 0,524 0,239 Valid 8 Butir8 0,610 0,239 Valid 9 Butir9 0,717 0,239 Valid
Hari Purnomo – Eka Siswanto
44 | Statistika Farmasi
10 Butir10 0,555 0,239 Valid Dari tabel diatas terlihat bahwa butir 1 dan butir 5 Tidak Valid, kemudian keluarkanlah butir tersebut, dan proses analisis seperti diatas diulang untuk butir yang Valid saja.
Setelah dikeluarkan (butir 1 dan 5) akan diperoleh output sebagai berikut:
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 45
Hari Purnomo – Eka Siswanto
46 | Statistika Farmasi
Sama halnya seperti diatas, kemudian dibuat tabel sebagai berikut:
No Variable r hasil r tabel keterangan 1 Butir2 0,554 0,239 Valid 2 Butir3 0,449 0,239 Valid 3 Butir4 0,617 0,239 Valid 4 Butir6 0,375 0,239 Valid 5 Butir7 0,628 0,239 Valid 6 Butir8 0,665 0,239 Valid 7 Butir9 0,655 0,239 Valid 8 Butir10 0,577 0,239 Valid
Maka telah diperoleh semua variable pada factor 1 valid. Jika semua sudah Valid, kita lanjutkan ke UJI RELIABILITAS.
Langkah uji Reliabilitas Faktor 1 sebagai berikut:
1. Hipotesis
Ho : Faktor 1 reliable
H1 : Faktor 1 tidak reliable
2. Statistik uji
Cronbach’s alpha yang muncul pada output = 0,836
3. Daerah kritik
Ho tidak ditolak jika: Cronbach’s alpha > 0,6, sehngga
butir tersebut dikatakan Reliabel
4. Kesimpulan
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 47
Karena r hasil Cronbach’s alpha (0,836) > 0,6 maka Ho
diterima yang berarti bahwa Faktor 1 dikatakan
RELIABEL
Dengan demikian delapan butir pertanyaan pada data Faktor 1 adalah Valid dan Reliabel.
Selanjutnya, dengan cara yang sama lakukan juga uji Validitas dan Realibilitas data Faktor 2 (Dari 7 butir pertanyaan diatas), Selamat mencoba………………
Hari Purnomo – Eka Siswanto
48 | Statistika Farmasi
BAB IV
RANCANGAN PENELITIAN
Tujuan instruksional:
Setelah membaca Bab IV para pembaca mampu:
1. Memahami konsep umum bagaimana merancang penelitian baik eksperimental maupun noneksperimental.
2. Memahami aplikasi konsep uji statistik dengan SPSS
A. Rancangan penelitian
Rancangan penelitian adalah rencana atau struktur dan
strategi penelitian yang disusun sedemikian rupa agar dapat
memperoleh jawaban mengenai permasalahan penelitian.
Adapun Kriterianya antara lain:
– Relevansi data
– Obyektivitas
– Validitas
– Reliabilitas
– Teknis pelaksanaan yang efektif & efisien
Rancangan penelitian yang adekuat hendaklah dapat menguji
kebenaran hipotesis dan sedapat mungkin mengendalikan atau
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 49
mengontrol varians. Dalam hal mengontrol varians kita dapat
melakukan beberapa langkah antara lain: memaksimalkan
varians penelitian, meniadakan/mengontrol variabel ekstra
(misal tikus dengan umur, galur yang homogen pada
kelompok percobaan), meminimalkan error of varians.
Rancangan penelitian dibedakan menjadi 2, yaitu:
1. Rancangan penelitian Eksperimental
2. Rancangan penelitian Noneksperimental
Pengertian rancangan penelitian eksperimental adalah
perencanaan eksperimentasi sedemikian sehingga diperoleh
informasi yang relevan dengan permasalahan yang diteliti dan
memungkinkan analisis yang obyektif untuk memperoleh
kesimpulan yang valid. Kegunaannya untuk mendapatkan
informasi yang relevan dengan permasalahan yang diteliti
secara maksimal dengan materi, waktu, dan biaya yang
minimal sehingga lebih efektif dan efisien.
Hari Purnomo – Eka Siswanto
50 | Statistika Farmasi
Gambar 2. Algoritma penggunaan metode statistika pada
kebanyakan data-data penelitian farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 51
B. Metoda Statistika Farmasi
Dalam suatu penelitian farmasi, data penelitian yang
diperoleh kemudian dianalisa statistika untuk menjawab
hipotesis. Data penelitian dianalisa menggunakan metode
statistika yang sesuai. Berdasarkan parameter yang ada, dan
untuk pengambilan suatu keputusan, statistika dibedakan
menjadi dua yaitu 1) statistika parametrik, dan 2) statistika
non parametrik (Gambar 2). Statistika parametrik merupakan
metode uji statistika yang menetapkan adanya syarat-syarat
(asumsi) tertentu berkaitan dengan variabel random atau
populasi. Sedangkan metode uji statistika yang tidak
mensyaratkan itu dinamakan statistika non parametrk.
Statistika parametrik berhubungan dengan
pengambilan keputusan atas suatu problem tertentu, yang
membahas parameter-parameter populasi misalnya rata-rata,
proporsi. Ciri statistika parametrik adalah menggunakan data
interval atau rasio, dan distribusi data atau populasi adalah
normal, atau mendekati normal.
Statistika non parametrik mengakomodasi data yang
tdk terdistribusi normal. Perhitungan dilakukan bukan
terhadap nilai data yang sesungguhnya, namun pada peringkat
Hari Purnomo – Eka Siswanto
52 | Statistika Farmasi
data dalam populasi. In fact, hasil intepretasi statistika non-
parametrik adalah semu. Data dibuat peringkat atau ranking
utk kemudian dianalisa. Pengambilan keputusan atas problem
tidak membahas parameter-parameter populasi. Ciri statistika
non parametrik adalah jenis data nominal atau ordinal,
distrubusi data tidak diketahui (distribusi tidak normal).
Contoh statistika parametrik adalah uji analisa varian
(anava), repeated anava, uji t, multivariat, sedangkan contoh
statistika non-parametrik adalah Kruskall-Wallis test, Mann-
Whitney test, Wilcoxon test, Friedman test, McNemar (untuk
data nominal atau ordinal).
B.1. Statistika Parametrik
1. Uji t tidak berpasangan (unpaired t-test)
Metode ini disebut juga dengan independent sample t-
test. Metode ini digunakan untuk pengujian perbedaan rata-
rata dari dua sampel yang tidak berpasangan. Maksud dari
sampel tidak berpasangan adalah subyek uji dari kedua
kelompok atau sampel tersebut adalah berbeda. Dua sampel
tersebut adalah berasal dari populasi yang berbeda. Asumsi
penggunaan uji t tidak berpasangan adalah : populasi-populasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 53
yang diuji berdistribusi normal, varian dari populasi-populasi
tersebut boleh sama dan boleh berbeda. Maksudnya? Dalam
aplikasinya, nilai signifikansi yang digunakan adalah berbeda
antara asumsi varian sama dan asumsi varian yang berbeda.
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data,
2. Apabila normal dilanjutkan uji t tak berpasangan, apabila
tidak maka dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi normal
maka digunakan uji t tak berpasangan,
4. Apabila setelah beberapa cara transformasi data tetap tidak
menghasilkan distribusi normal maka digunakan metoda
non parametrik yaitu Mann-Whitney.
Perumusan hipotesis :
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak identik
Pengambilan keputusan :
- Jika probabilitas > 0,05; maka H0 diterima.
Hari Purnomo – Eka Siswanto
54 | Statistika Farmasi
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Independent samples test), check kolom sig
(significance) dua sisi (two tailed), harganya dibandingkan
dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
2. Uji t berpasangan (paired t-test)
Metode ini merupakan uji T utk dua sampel yang
berpasangan (paired). Dua sampel yang berpasangan artinya
sebuah sampel dengan subjek yang sama namun mengalami
perlakuan atau pengukuran yang berbeda. Asumsi penggunaan
uji t tidak berpasangan adalah : populasi-populasi yang diuji
berdistribusi normal, tidak perlu dilakukan pengujian
homogenitas varian (karena subyeknya berpasangan atau sama
subyek).
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data,
2. Apabila normal dilanjutkan uji t tak berpasangan,
apabila tidak maka dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi
normal maka digunakan uji t tak berpasangan,
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 55
4. Apabila setelah beberapa cara transformasi data tetap
tidak menghasilkan distribusi normal maka digunakan
metoda non parametrik yaitu Wilcoxon.
Perumusan hipotesis
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak identik
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS, terdapat tampilan output “Paired samples
correlations”. Interprestasinya, jika sig (significance) lebih
kecil dari 0,05 maka terdapat korelasi yang erat antara kedua
rata-rata sampel. Apabila sig. lebih besar dari 0,05 maka
korelasi antara kedua rata-rata sampel adalah sangat rendah.
Pada output SPSS (Paired samples test), check kolom sig
(significance) dua sisi (two tailed), harganya dibandingkan
dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
Hari Purnomo – Eka Siswanto
56 | Statistika Farmasi
3. One Sample T Test
Metode ini Menguji apakah suatu nilai tertentu (nilai
pembanding) berbeda bermakna atau sama dengan nilai rata-
rata sebuah sample populasi.Langkah uji adalah sebagai
berikut :
Perumusan hipotesis :
H0 : Rata-rata sampel berbeda bermakna dengan nilai
pembanding
H1 : Rata-rata sampel tidak berbeda bermakna dengan nilai
pembanding
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (One samples test), check harga sig
(significance) dua sisi (two tailed), harganya dibandingkan
dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 57
4. Analisa varian (analysis of variance)
Metode ini digunakan untuk pengujian perbedaan rata-
rata dari lebih dari dua sampel yang tidak berpasangan.
Asumsi penggunaan analisa varian adalah : populasi-populasi
yang diuji berdistribusi normal, varian dari populasi-populasi
tersebut adalah sama (diuji dengan test of homogenity of
variances dengan Levene Test), sampel tidak berhubungan
satu dengan yang lain. Apabila dalam suatu penelitian atau
percobaan, terdapat satu perlakuan maka analisa varian yang
digunakan adalah satu jalan (One Way Anova). Namun apabila
terdapat dua perlakuan maka analisa varian yang digunakan
adalah dua jalan (Two Way Anova).
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data dan homogenitas
varian,
2. Apabila distribusi data normal dan varian-nya homogen,
dilanjutkan analisa varian (anava), apabila setidaknya salah
satu diantara syarat tersebut belum terpenuhi mana
dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi data normal
dan varian yang homogen maka dilanjutkan analisa varian,
namun Apabila setelah beberapa cara transformasi data tetap
Hari Purnomo – Eka Siswanto
58 | Statistika Farmasi
tidak menghasilkan distribusi normal atau homogenitas
varian maka digunakan metoda non parametrik Kruskal-
Wallis,. Apabila dari anava menghasilkan perbedaan
bermakna maka dilanjutkan dengan analisa post hoc atau uji
t.
Test of homogenitas of variances
Pada analisa varian, terutama apabila menggunakan
SPSS, metode ini digunakan untuk melihat apakah sampel-
sampel data-data mempunyai varian yang sama.
Perumusan hipotesis :
H0 : varian dari sampel-sampel adalah identik
H1 : varian dari sampel-sampel adalah tidak identik
Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Levene statistic), check kolom sig
(significance), harganya dibandingkan dengan nilai α (0,05)
kemudian dibuat suatu kesimpulan.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 59
Anova (Analysis of variance)
Uji utama, bertujuan untuk menganalisa apakah
sampel-sampel mempunyai rata-rata yang sama. Meskipun
yang dianalisa adalah varian-nya, namun asumsinya digunakan
untuk membedakan rata-rata sampel-sampel uji.
Perumusan hipotesis :
H0 : rata-rata populasi populasi adalah identik (distribusi
rata-rata populasi adalah identik)
H1 : rata-rata populasi populasi adalah tidak identik
(setidaknya ada rata-rata satu populasi yang nilainya berbeda
dengan nilai rata-rata populasi yang lain)
Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (ANOVA), check kolom sig (significance),
harganya dibandingkan dengan nilai α (0,05) kemudian dibuat
suatu kesimpulan.
Hari Purnomo – Eka Siswanto
60 | Statistika Farmasi
Post Hoc test
Apabila dari hasil Anava ditemukan bahwa rata-rata
populasi populasi adalah berbeda bermakna maka dilanjutkan
dengan Post Hoc test (uji t setelah Anava). Contoh : Tukey
test, Bonferroni test, LSD test, Scheffe test, Duncan test, Sidak
test, Gabriel test.
5. Repeated Anova
Metode ini digunakan untuk pengujian perbedaan rata-
rata dari lebih dari dua sampel yang berpasangan. Asumsi
penggunaan analisa varian adalah : populasi-populasi yang
diuji berdistribusi normal, tidak perlu dilakukan pengujian
homogenitas varian (karena subyeknya berpasangan atau sama
subyek).
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data,
2. Apabila distribusi data normal, dilanjutkan analisa
varian (anava), apabila setidaknya salah satu diantara
syarat tersebut belum terpenuhi mana dilakukan
transformasi data,
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 61
3. Hasil transformasi data menghasilkan distribusi data
normal maka dilanjutkan analisa varian, namun
Apabila setelah beberapa cara transformasi data tetap
tidak menghasilkan distribusi normal maka digunakan
metoda non parametrik Uji Friedman,
4. Apabila dari anava menghasilkan perbedaan bermakna
maka dilanjutkan dengan analisa post hoc atau uji t.
Perumusan hipotesis :
H0 : rata-rata pengukuran atau pengamatan antar
kelompok adalah identik (distribusi rata-rata
pengukuran antar kelompok adalah identik)
H1 : rata-rata pengukuran atau pengamatan antar
kelompok adalah tidak identik (setidaknya ada
rata-rata satu kelompok yang nilainya berbeda
dengan nilai rata-rata kelompok pengukuran yang
lain)
Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Hari Purnomo – Eka Siswanto
62 | Statistika Farmasi
Pada output SPSS (Multivariate test), check kolom sig
(significance), harganya dibandingkan dengan nilai α (0,05)
kemudian dibuat suatu kesimpulan. Apabila hasilnya adalah
berbeda bermakna maka dilanjutkan dengan analisa Post hoc.
B.2. Statistika Non-Parametrik
Pada statistika non parametrik, perhitungan yang
dilakukan bukan terhadap nilai data yang sesungguhnya,
namun berdasarkan peringkat (ranking) data dalam populasi.
Data tersebut, sebelum dianalisa, dikumpulkan terlebih dahulu
kemudian dibuat peringkat. Pembuatan peringkat data dimulai
dari data terkecil hingga data terbesar. Oleh karena itu, analisa
statistika dilakukan pada data yang setelah dilakukan
perankingan bukan pada nilai data yang sesungguhnya.
No. Kelompok Kontrol Kelompok Perlakuan Jumlah geliat (60 menit)
Ranking
Jumlah geliat (60 menit)
Ranking
1. 57 14 43 8,5 2. 28 5 33 7 3. 88 17 54 12 4. 54 12 16 3
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 63
Contoh Perankingan
Kasus : Pada penelitian analesik suatu produk herbal. Jumlah
geliat mencit (diukur selama 60 menit) pada kelompok kontrol
dengan kelompok perlakuan produk herbal menghasilkan data
pada tabel berikut.
Pada kasus di atas, nilai terendah adalah 7 (ranking 1),
sedangkan nilai tertinggi adalah 91 (ranking 18). Apabila ada
beberapa data yang nilainya sama, misalnya pada kasus di atas
nilai 43 ada dua, maka rangking 8 dan 9 tidak ada diganti
dengan penjumlahan dua rangking tersebut dibagi dua sehinga
menghasilkan rangking 8,5 (sebanyak dua nilai ranking). Pada
kasus di atas, nilai jumlah geliat 54 juga ada tiga sehingga nilai
ranking 11, 12 dan 13 dijumlahkan dan dibagi tiga,
menghasilkan tiga nilai rangking sebesar 12.
5. 29 6 7 1 6. 65 15 15 2 7. 91 18 19 4 8. 44 10 54 12 9. 85 16 43 8,5
Hari Purnomo – Eka Siswanto
64 | Statistika Farmasi
1. Mann-Whitney test
Metode ini juga termasuk metode statistika non-
parametrik, dengan fungsi menguji perbedaan bermakna dua
sampel independen atau tidak berpasangan. Data yang
digunakan minimal ordinal. Asumsi dalam penggunaan
metode statistika ini :
1. Dua sampel harus independen, dan dicuplik secara acak dari
populasi
2. Data yang diukur minimal ordinal, apabila data rasio dan
interval harus terdistribusi tidak normal
Perumusan hipotesis
H0 : Kedua populasi identik (sama) atau tidak berbeda secara
signifikan
H0 : Kedua populasi tidak identik atau berbeda signifikan
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp. sig
(asymptotic significance) dua sisi (two tailed) atau Exact sig.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 65
(1-tailed sig), harganya dibandingkan dengan nilai α (0,05)
kemudian dibuat suatu kesimpulan.
2. Wilcoxon test
Metode ini juga termasuk metode statistika non-
parametrik, dengan fungsi menguji perbedaan bermakna dua
sampel berhubungan (dependent). Data yang digunakan
minimal ordinal. Asumsi dalam penggunaan metode statistika
ini :
1. Tidak berasumsi normalitas distribusi suatu populasi,
2. Tidak membutuhkan informasi varians sampel maupun
populasi,
3. Bisa digunakan untuk data ordinal,
Perumusan hipotesis :
H0 : Kedua populasi identik (sama) atau tidak berbeda scr
signifikan
Median populasi beda-beda adalah sama
H1 : Kedua populasi tidak identik atau berbeda signifikan
Hari Purnomo – Eka Siswanto
66 | Statistika Farmasi
Median populasi beda-beda adalah tidak sama
(berbeda)
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp. sig
(asymptotic significance) dua sisi (two tailed) atau Exact sig.
(1-tailed sig), harganya dibandingkan dengan nilai α (0,05)
kemudian dibuat suatu kesimpulan.
3. Kruskal Wallis test
Metode ini termasuk metode statistika non-parametrik,
fungsinya menguji perbedaan bermakna beberapa sampel dari
populasi (> 2 populasi) yang tidak berhubungan (independent).
Data yang digunakan minimal ordinal. Asumsi penggunaan
pada uji Kruskal wallis:
1. Dua sample harus independen, dan dicuplik secara
acak dari populasi,
2. Data yang diukur minimal ordinal, apabila data rasio
dan interval harus terdistribusi tidak normal
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 67
Perumusan hipotesis :
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai
yang berbeda dibandingkan lainnya
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp sig
(asymptotic significance) dua sisi (two tailed), harganya
dibandingkan dengan nilai α (0,05) kemudian dibuat suatu
kesimpulan.
4. Friedman test
Metode ini juga termasuk metode statistika non-
parametrik, dengan fungsi menguji perbedaan bermakna
beberapa sampel dari populasi (> 2 populasi) yang
berhubungan (dependent). Data yang digunakan minimal
ordinal.
Hari Purnomo – Eka Siswanto
68 | Statistika Farmasi
Perumusan hipotesis :
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai
yang berbeda dibandingkan lainnya
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp. sig
(asymptotic significance) dua sisi (two tailed), harganya
dibandingkan dengan nilai α (0,05) kemudian dibuat suatu
kesimpulan.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 69
Gambar 3. Algoritma penggunaan metode statistika untuk data
kategorik (nominal dan orpada kebanyakan data-data penelitian
farmasidinal)
Hari Purnomo – Eka Siswanto
70 | Statistika Farmasi
5. Binomial test
Metode ini juga termasuk metode statistika non-
parametrik, dengan fungsi menguji suatu proporsi suatu
sampel atau populasi. Uji ini ditujukan pada sampel tunggal
dengan tipe data nominal, dengan dua unsur pilihan. Contoh
umum adalah pelemparan uang koin yang “hanya”
memberikan dua pilihan yaitu angka dengan gambar. Dalam
penelitian farmasi uji seperti ini sering digunakan manakala
menguji proporsi suatu sampel yang berhubungan dengan efek
yang hanya diukur dengan dua parameter yaitu berefek dan
tidak berefek, toksik dan tidak toksik, manjur dan tidak
manjur, tepat terapi dan tidak tepat terapi.
Perumusan hipotesis :
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai
yang berbeda dibandingkan lainnya
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 71
Pada output SPSS (Test Statistics), check asymp. sig
(asymptotic significance) dua sisi (two tailed), harganya
dibandingkan dengan nilai α (0,05) kemudian dibuat suatu
kesimpulan.
C. Aplikasi SPSS dalam penelitian farmasi
Berikut ini disajikan aplikasi SPSS dalam beberapa
kasus percobaan atau penelitian farmasi, meliputi penggunaan
metoda statistika untuk menguji normalitas data, Kolmogorov
Smirnov test, dan uji inferensi lainnya yang meliputi statistika
paramerik dan non-paramerik.
1. UJI KOLMOGOROV SMIRNOV Tujuan : Menguji normalitas distribusi nilai sampel yang teramati Contoh : Seorang peneliti telah menguji proteksi geliat
dan daya anti inflamasi dari perasaan umbi wortel dan beta karoten. Untuk menyimpulkan apakah perasan umbi wortel dapat menjadi alternatif obat anti inflamasi, penguji membandingkan % proteksi geliat dan % daya antiinflamasi perasaan umbi wortel dengan dosis 1 mL/kgBB dan % proteksi geliat dan % daya antiinflamasi beta karoten dengan dosis 1 mL/kgBB. Dari hasil percobaan didapatkan hasil seperti berikut:
Hari Purnomo – Eka Siswanto
72 | Statistika Farmasi
Perlakuan % Daya analgetik %Daya antiinflamasi 1.00 35.54 14.76 1.00 36.87 16.43 1.00 36.55 17.72 1.00 35.98 15.50 1.00 35.65 16.23 2.00 40.78 20.65 2.00 42.34 23.70 2.00 43.89 24.32 2.00 40.67 25.64 2.00 41.98 22.43 3.00 45.49 28.65 3.00 47.76 28.33 3.00 49.27 29.55 3.00 45.98 28.78 3.00 45.49 26.65
Keterangan : 1.00 = dosis 0.5 mg/mL perasan wortel 2.00 = dosis 1.0 mg/mL perasan wortel 3.00 = betakaroten Langkah-langkah : a. Buka lembar kerja baru b. Klik Variabel View. c. Ketik Perlakuan pada kolom Name dan baris 1 d. Ketik Daya_analgetik pada kolom Name dan baris
2 e. Ketik Daya_antiinflamasi pada kolom Name dan
baris 3
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 73
f. Klik (...) pada Value baris pertama, akan muncul kotak dialog seperti berikut :
g. Ketik 1.00 → ketik Dosis 0.5 mg/mL→ Klik Add h. Ketik 2.00 → ketik Dosis 1.0 mg/mL → Klik Add i. Ketik 3.00 → ketik Betakaroten → Klik Add →
Klik Ok j. Klik Data View k. Lalu isi kolom sesuai data l. Lalu klik Analyze → Nonparametric Tests →
Sample K-S m. Akan muncul kotak dialog seperti berikut
n. Klik Daya_analgetik dan Daya_antiinflamasi
masukkan dalam Test Variable List o. Klik Options → Descriptive → Continue → OK p. Maka akan muncul tampilan Output seperti berikut:
Hari Purnomo – Eka Siswanto
74 | Statistika Farmasi
H0 = distribusi sampel normal H1 = distribusi sampel tidak normal Jika probabilitas > 0,05; maka H0 diterima distribusi sampel normal Jika probabilitas < 0,05; maka H0 ditolak distribusi sampel tidak normal Nilai sig Daya_analgetik dan Daya_antiinflamasi adalah 0.725 dan 0.876 maka > 0,05 → H0 diterima (distribusi normal) Data persentase daya analgetik dan daya antiinflamasi memiliki distribusi normal
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 75
2. ANALISIS VARIAN (Test homogenitas of variances) Tujuan : Menganalisa apakah sampel-sampel mempunyai varian yang sama Syarat : Distribusi normal Contoh : (melanjutkan soal no.1 karena data memenuhi syarat distribusi normal) Langkah kerja : a. Klik Analyze → Compare Means → One Way
Anova, akan muncul kotak dialog seperti berikut
b. Masukkan Perlakuan pada Factor. Masukkan
Daya_analgetik dan Daya_antiinflamasi pada Dependent List
c. Klik Option, akan muncul kotak dialog One-Way Options, lalu klik Homogenity of variance test →Continue →Ok
Hari Purnomo – Eka Siswanto
76 | Statistika Farmasi
d. Muncul Output seperti berikut
Hipotesis H0 : varian dari sampel-sampel adalah identik H1 : varian dari sampel-sampel adalah tidak identik
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 77
Pengambilan keputusan 1. Jika probabilitas > 0,05; maka H0 diterima. 2. Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Levene statistic) check kolom sig (significance) harganya dibandingkan dengan nilai α (0,05) kesimpulan Nilai sig Proteksi geliat 0.092 > 0.05 sehingga identik Nilai sig Daya_antiinflamasi 0.325 > 0.05 sehingga identik Maka varian presentase daya analgetik dan daya analgetik dari sampel-sampel adalah sama.
3. ANOVA (Analysis of Variances) Tujuan : Menganalisa apakah sampel-sampel mempunyai rata-rata yang sama. Contoh : (output sama dengan Test of Homogenity of variance) Hipotesis H0 : rata-rata populasi populasi adalah identik (distribusi rata-rata populasi adalah identik) H1 : rata-rata populasi populasi adalah tidak identik (setidaknya ada rata-rata satu populasi yang nilainya berbeda dengan nilai rata-rata populasi yang lain)
Hari Purnomo – Eka Siswanto
78 | Statistika Farmasi
Pengambilan keputusan 1. Jika probabilitas > 0,05; maka H0 diterima. 2. Jika probabilitas < 0,05; maka H0 ditolak. Sig proteksi_geliat 0.000 > 0.05 → Ho ditolak →tidak identik Sig Daya_antiinflamasi 0.000 > 0.05 → Ho ditolak → tidak identik Oleh karena itu, untuk mencari mana yang tidak identik dilanjutkan Post Hoc Test a. Klik Compare Means → One Way Anova →
Post Hoc Test → Tukey dan LSD
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 79
b. Akan muncul output seperti berikut
Hipotesis H0 : rata-rata populasi populasi adalah identik (distribusi rata-rata populasi adalah identik) H1 : rata-rata populasi populasi adalah tidak identik (setidaknya ada rata-rata satu populasi yang nilainya berbeda dengan nilai rata-rata populasi yang lain) Pengambilan keputusan : 1. Jika probabilitas > 0,05; maka H0 diterima. 2. Jika probabilitas < 0,05; maka H0 ditolak.
Hari Purnomo – Eka Siswanto
80 | Statistika Farmasi
Sig semuanya adalah 0.000 < 0.05 berarti semuanya tidak identik Ada perbedaan daya analgetik atau daya antiinflamasi setiap antara 0,5 mg/mL perasan umbi wortel, 1,0 mg/mL perasan umbi wortel, 1,0 mg/mL betakaroten.
4. INDEPENDENT T-TEST Tujuan : Membedakan dua mean dari dua sampel populasi Syarat : distribusi normal terdiri dari 2 sampel tidak berpasangan (independent)
Contoh: Seorang peneliti ingin membandingkan daya analgetik dan antiinflamasi dari indometasin dan parasetamol. Dari hasil percobaan didapatkan hasil berikut
Perlakuan % Daya Analgetik
% Daya antiinflamasi
1.00 68.80 30.45
1.00 70.54 34.32
1.00 65.32 32.67
1.00 68.54 35.89
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 81
1.00 64.57 33.40
1.00 69.89 34.38
1.00 64.54 32.65
1.00 65.34 35.87
1.00 68.92 34.45
1.00 67.64 33.87
2.00 40.76 78.35
2.00 35.45 76.98
2.00 38.38 79.56
2.00 37.29 78.98
2.00 39.48 75.34
2.00 38.64 80.97
2.00 41.87 79.54
2.00 35.64 76.65
2.00 34.98 77.87
2.00 38.23 75.98
Perlakuan 1 : indometasin Perlakuan 2 : parasetamol
Hari Purnomo – Eka Siswanto
82 | Statistika Farmasi
Langkah-langkah :
a. Buka lembar kerja baru b. Klik Variabel View c. Ketik Perlakuan pada kolom Name dan baris 1 d. Ketik Daya_analgetik pada kolom Name dan
baris 2 e. Ketik Daya_inflamasi pada kolom Name dan
baris 3 f. Klik Data View g. Lalu isi kolom sesuai data h. Klik (...) pada Value baris pertama, akan
muncul kotak dialog seperti berikut : i. Ketik 1.00 → ketik Indometasin → Klik Add j. Ketik 2.00 → ketik Parasetamol → Klik Add
→ Ok k. Lalu klik Analyze → Compare Means →
Independent Sample T-test l. Akan muncul kotak dialog seperti berikut
m. Masukkan Daya_analgetik dan
Daya_antiinflamasi pada Test Variable List dan masukkan Perlakuan pada Grouping Variabel
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 83
n. Klik Perlakuan → Define Groups
o. Klik Use Spesific Values, ketik 1 pada group 1
dan 2 pada group 2. Klik Continue → Ok
p. Akan muncul output seperti ini
Hari Purnomo – Eka Siswanto
84 | Statistika Farmasi
Pada output SPSS (Independent samples test) check sig (2-tailed) harganya dibandingkan dengan nilai α (0,05) kesimpulan - Jika varians sama pakai nilai sig. pada baris “equal variances assumsed”. - Jika varians berbeda “equal variances not assumsed”. Sig Daya analgetik 0.712 > 0.05 → H 0 diterima → identik Sig Daya analgetik 0.560 > 0.05 → H 0 diterima → identik
Maka, ada perbedaan rata-rata antara persentase daya analgetik atau persentase daya antiinflamasi antara parasetamol dan indometasin.
5. PAIRED T-TEST
Tujuan : Menguji dua sampel yang berpasangan (artinya sebuah sampel dengan subjek yang sama namun mengalami perlakuan atau pengukuran yang berbeda.)
Contoh: Seorang peneliti ingin mengetahui efek antidiabetes dari ekstrak tomat, 20 probandus yang menderita diabetes melitus tipe 2 diukur kadar gula dalam darah tikus sebelum dan
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 85
sesudah minum ekstrak tomat (± 3 jam setelah pemberian).
Sebelum Sesudah
120 110
134 109
128 106
134 103
129 107
130 105
119 103
129 112
120 103
135 109
126 110
129 104
131 108
135 110
127 107
Hari Purnomo – Eka Siswanto
86 | Statistika Farmasi
129 112
130 109
129 104
120 109
129 105
Langkah-langkah :
a. Buka lembar kerja baru b. Klik Variabel View c. Ketik Sebelum pada kolom Name dan baris 1 d. Ketik Sesudah pada kolom Name dan baris 2 e. Klik Data View f. Lalu klik Analyze → Compare Means →
Paired Sample T-test g. Akan keluar kotak dialog Paired Sample T-
Test, lalu masukkan Sebelum pada variabel 1 dan Sesudah pada variabel 2
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 87
h. Klik Options → Ok i. Akan muncul kotak output seperti berikut
1. Hipotesis H0 : Kedua rata-rata populasi adalah identik H1 : Kedua rata-rata populasi adalah tidak identik 2. Pengambilan keputusan - Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Paired samples test) check sig (2-tailed) harganya dibandingkan dengan nilai α (0,05) kesimpulan
Hari Purnomo – Eka Siswanto
88 | Statistika Farmasi
Sig Sebelum-Sesudah 0.000 < 0.05 → H0 ditolak → tidak identik Ada perbedaan kadar gula darah yang signifikan antara sebelum dan sesudah pemberian, berarti ekstrak tomat memiliki efek antidiabetes.
6. KRUSKALL WALLIS TEST
Tujuan : Menguji perbedaan bermakna beberapa sampel dari populasi (> 2 populasi) yang tidak berhubungan
populasi
(independent) Syarat : 1. Dua sample harus independen, dan dicuplik secara acak dari
2. Data yang diukur minimal ordinal, apabila data rasio dan interval harus terdistribusi tdk normal Contoh : Seorang peneliti ingin menguji efek anti-
vomitus sebuah obat “X”, namun karena rasa mual tidak dapat dihitung maka dibuatlah kategori, yaitu 1= muntah, 2= mual, 3=agak mual, 4= tidak muntah. Maka diambil 20 sampel anak SD yang sering muntah pada perjalanan dengan bus. 10 anak meminum antimo dan 10 anak meminum obat herbal. Lalu mereka mengisi kuesioner sehingga didapatkan data seperti ini.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 89
Perlakuan Tingkat Vomitus
1.00 4.00
1.00 3.00
1.00 4.00
1.00 2.00
1.00 3.00
1.00 3.00
1.00 4.00
1.00 3.00
1.00 1.00
1.00 2.00
2.00 3.00
2.00 2.00
2.00 3.00
2.00 3.00
2.00 2.00
Hari Purnomo – Eka Siswanto
90 | Statistika Farmasi
2.00 2.00
2.00 4.00
2.00 3.00
2.00 2.00
2.00 2.00
3.00 3.00
3.00 2.00
3.00 3.00
3.00 3.00
3.00 2.00
3.00 2.00
3.00 4.00
3.00 3.00
3.00 2.00
3.00 3.00
Perlakuan 1 : ½ tablet antimo Perlakuan 2 : 1 tablet antimo Perlakuan 3 : obat herbal
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 91
Langkah-langkah : a. Buka lembar kerja baru b. Klik Variabel View c. Ketik Perlakuan pada kolom Name dan baris 1 d. Ketik Tingkat_vomitus pada kolom Name dan
baris 2 e. Klik Data View f. Lalu klik Analyze → Nonparametic Test →
K-Independent Samples g. Akan keluar kotak dialog K-Independent
Samples, lalu masukkan Tingkat_vomitus pada variabel test dan Perlakuan pada group variabel
h. Klik defines group. Klik minimum 1,
maksimum 2
i. Klik Options → Ok j. Akan muncul output seperti berikut
Hari Purnomo – Eka Siswanto
92 | Statistika Farmasi
1. Hipotesis H0 : Distribusi semua populasi adalah identik (sama) H1 : Paling sedikit satu populasi menunjukkan nilai-nilai yang berbeda dibandingkan lainnya
2. Pengambilan keputusan - Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Test Statistics) check asymp. sig (asymptotic significance) harganya dibandingkan dengan nilai α (0,05)
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 93
kesimpulan Sig Tingkat vomitus 0.356 > 0.05 → H0 diterima → identik Tidak ada perbedaan antara penggunaan obat antimo maupun obat herbal dalam mengatasi mual saat mabuk dalam bus atau obat herbal memiliki efek yang sama dengan antimo
7. FRIEDMANT TEST Tujuan: Menguji perbedaan bermakna beberapa sampel
dari populasi (> 2 populasi) yang berhubungan
Perlakuan
(dependent)
Syarat : Data yang digunakan minimal ordinal Contoh: Seorang peneliti ingin menguji efek
antiinflamasi prednison dan indometasin, lalu menghitung volume udema kaki tikus ( dalam mm) dengan memberi interval antara 2,10-2,20 = 1, 2,20-2,30 = 2, 2,30-2,40= 3, 2,40-2,50 =4, 2,50-2,60 =5 sehingga didapatkan data seperti berikut.
Sebelum Sesudah
1.00 5.00 3.00
1.00 4.00 2.00
1.00 5.00 3.00
Hari Purnomo – Eka Siswanto
94 | Statistika Farmasi
1.00 4.00 3.00
1.00 4.00 3.00
1.00 4.00 4.00
1.00 3.00 3.00
1.00 5.00 4.00
1.00 5.00 3.00
1.00 5.00 4.00
2.00 4.00 2.00
2.00 3.00 1.00
2.00 3.00 1.00
2.00 4.00 3.00
2.00 4.00 4.00
2.00 4.00 4.00
2.00 3.00 3.00
2.00 4.00 2.00
2.00 3.00 1.00
2.00 3.00 2.00
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 95
3.00 4.00 2.00
3.00 5.00 1.00
3.00 5.00 1.00
3.00 4.00 3.00
3.00 4.00 4.00
3.00 4.00 4.00
3.00 5.00 3.00
3.00 4.00 2.00
3.00 3.00 1.00
3.00 3.00 2.00
Langkah-langkah :
a. Buka lembar kerja baru b. Klik Variabel View c. Ketik Sebelum pada kolom Name dan baris 1 d. Ketik Sesudah pada kolom Name dan baris 2 e. Klik Data View f. Lalu klik Analyze → Nonparametic Test →
K-Related Samples g. Akan keluar kotak dialog Related Sample T-
Test, lalu masukkan Sebelum dan Sesudah pada Variabel Test.
Hari Purnomo – Eka Siswanto
96 | Statistika Farmasi
h. Klik Friedman pada Test type → Ok i. Akan muncul output seperti berikut
1. Hipotesis
H0 : Distribusi semua populasi adalah identik (sama) H1 : Paling sedikit satu populasi menunjukkan nilai-nilai yang berbeda dibandingkan lainnya
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 97
2. Pengambilan keputusan - Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Test Statistics) check asymp. sig (asymptotic significance) harganya dibandingkan dengan nilai α (0,05) kesimpulan Sig 0.000 < 0.05 → H0 ditolak → tidak identik Ada perbedaan efek antiinflamasi antara indometasin dan parasetamol
8. MANN WHITNEY TEST Tujuan : Menguji perbedaan bermakna dua sampel
independen.
1. Dua sample harus independen, dan dicuplik secara acak dari populasi
Membandingkan median peringkat dari sampel pertama dengan median peringkat dari sampel kedua
Asumsi :
2. Data yang diukur minimal ordinal, apabila data rasio dan interval harus terdistribusi tdk normal Contoh :
Perlakuan Tingkat_Vomitus
1.00 4.00
1.00 3.00
1.00 4.00
Hari Purnomo – Eka Siswanto
98 | Statistika Farmasi
1.00 2.00
1.00 3.00
1.00 3.00
1.00 4.00
1.00 3.00
1.00 1.00
1.00 2.00
2.00 3.00
2.00 2.00
2.00 3.00
2.00 3.00
2.00 2.00
2.00 2.00
2.00 4.00
2.00 3.00
2.00 2.00
2.00 2.00
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 99
a. Buka lembar kerja baru b. Klik Variabel View c. Ketik Perlakuan pada kolom Name dan baris 1 d. Ketik Tingkat_vomitus pada kolom Name dan
baris 2 e. Klik Data View f. Lalu klik Analyze → Nonparametic Test →
2-Independent Samples g. Akan keluar kotak dialog 2 Independent
Sample T-Test, lalu masukkan Tingkat_vomitus pada variabel test dan Perlakuan pada group variabel
h. Klik defines group. Klik minimum 1,
maksimum 2
i. Klik Options → Ok j. Akan muncul kotak dialog seperti berikut
Hari Purnomo – Eka Siswanto
100 | Statistika Farmasi
1. Hipotesis H0 : Kedua populasi identik (sama) atau tidak berbeda scr signifikan H1 : Kedua populasi tidak identik atau berbeda signifikan 2. Pengambilan keputusan - Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Test Statistics) check asymp. sig (asymptotic significance) atau Exact sig. (1-tailed sig) harganya dibandingkan dengan nilai α (0,05) kesimpulan
Sig 0.393 > 0.05 → H0 diterima → identik
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 101
Tidak ada perbedaan median tingkat vomitus antara obat herbal dan antimo sehingga memiliki efek yang relatif sama
9. WILCOXON TEST Tujuan : Menguji perbedaan bermakna dua sampel
berhubungan
1. Tidak berasumsi normalitas distribusi suatu populasi
. Data yang digunakan minimal ordinal. Membandingkan median peringkat dari sampel pertama dengan median peringkat dari sampel kedua
Asumsi :
2. Tidak membutuhkan informasi varians sampel maupun populasi 3. Bisa digunakan untuk data ordinal 4. Parameter yang dianalisa adalah nilai median sampel Contoh: Peneliti ingin membandingkan efek obat anti-
depresi pada orang yang depresi dengan 20 responden. 1= stress, 2= agak stress, 3= agak tenang, 4= tenang. Dari percobaan dapat hasil sebagai berikut
Perlakuan Sebelum Sesudah
1.00 1.00 3.00
1.00 1.00 4.00
1.00 1.00 3.00
Hari Purnomo – Eka Siswanto
102 | Statistika Farmasi
1.00 1.00 3.00
1.00 1.00 3.00
1.00 2.00 4.00
1.00 1.00 3.00
1.00 2.00 4.00
1.00 2.00 3.00
1.00 1.00 4.00
2.00 2.00 2.00
2.00 1.00 2.00
2.00 2.00 2.00
2.00 1.00 3.00
2.00 2.00 4.00
2.00 1.00 4.00
2.00 1.00 3.00
2.00 2.00 2.00
2.00 1.00 2.00
2.00 1.00 2.00
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 103
a. Buka lembar kerja baru b. Klik Variabel View c. Ketik Perlakuan pada kolom Name dan baris 1 d. Ketik Sebelum pada kolom Name dan baris 2 e. Ketik Setelah pada kolom Name dan baris 3 f. Klik Data View g. Lalu klik Analyze → Nonparametic Test →
2-Related Samples h. Akan keluar kotak dialog 2 Related Sample T-
Test, lalu masukkan Sebelum pada variabel 1 dan Sesudah pada variabel 2
i. Klik Wilcoxon pada Test type. Klik Ok j. Akan muncul kotak output seperti berikut
Hari Purnomo – Eka Siswanto
104 | Statistika Farmasi
1. Hipotesis H0 : Kedua populasi identik (sama) atau tidak berbeda scr signifikan Median populasi beda-beda adalah sama H1 : Kedua populasi tidak identik atau berbeda signifikan Median populasi beda-beda adalah tidak sama (berbeda) 2. Pengambilan keputusan - Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Test Statistics) check asymp. sig (asymptotic significance) atau Exact sig. (1-tailed sig) harganya dibandingkan dengan nilai α (0,05) kesimpulan Sig 0.000 < 0.05 → H 0 ditolak → tidak identik. Ada perbedaan median tingkat stress antara obat indometasin dan parasetamol.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 105
BAB V
TABEL KONTINGENSI
Tujuan instruksional:
Setelah membaca Bab V para pembaca mampu:
Mengetahui dan memahami desain penelitian secara analitik,
yaitu: Studi Cross – Sectional, Studi Retrospektif (Case Study/
Case Control), dan Studi Prospektif (Cohort Study) dengan
aplikasi SPSS
A. TINJAUAN UMUM
Tabel kontingensi adalah tabel yang menunjukkan atau memuat data sesuai dengan rinciannya. Apabila bagian baris tabel berisikan m baris dan bagian kolom tabel berisikan n kolom maka didapatkan tabel kontingensi berukuran m x n. Tabel kontingensi bisa digunakan untuk melihat hubungan dua peubah kategorik. Dari tabel kontingensi ini bisa dibuat kesimpulan apakah ada hubungan antara satu variabel dengan variabel lainnya. Untuk menegaskan pembahasan dari tabel kontingensi, dilakukan pengujian formal yang dikenal dengan uji Khi-Kuadrat (Chi-Square Test)
Secara umum ada 3 macam desain penelitian secara analitik,
yaitu: Studi Cross – Sectional, Studi Retrospektif (Case Study/
Case Control), dan Studi Prospektif (Cohort Study)
Hari Purnomo – Eka Siswanto
106 | Statistika Farmasi
1. STUDI CROSS – SECTIONAL
Merupakan rancangan studi yang mempelajari hubungan
antara pengamatan faktor resiko dan efek bersamaan.
Kalau kita mempelajari hubungan antara paparan dan
penyakit dengan cara mengamati keduanya secara
serentak (dalam waktu bersamaan) maka masuk dalam
kategori ini.
Rancangan ini memiliki keuntungan antara lain:
a. Mudah dan relatif murah karena tidak memerlukan
follow up lagi dan hasil cepat didapatkan.
b. Relatif cocok / sesuai untuk sekedar mendeskripsikan
distribusi penyakit yang dihubungkan dengan status
paparan.
c. Memungkinkan menggunakan populasi masyarakat
umum.
d. Dapat untuk meneliti sekaligus banyak variabel.
e. Dapat dimasukkan sebagai tahapan pertama untuk
penelitian Kohort atau eksperimental.
Sementara itu rancangan ini juga memiliki kelemahan,
yaitu:
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 107
a. Dibutuhkan subyek uji yang besar.
b. Tidak menggambarkan perkembangan penyakit,
insiden maupun prognosis.
c. Sulit menentukan sebab akibat karena pengambilan
data resiko dan efek dilakukan secara bersamaan.
d. Studi prevalensi lebih banyak menjaring subyek yang
mempunyai masa sakit yang panjang dari pada yang
pendek.
e. Tidak praktis untuk meneliti kasus yang jarang.
f. Tidak tepat digunakan untuk analisis kausal, karena
penelitian analisis kausal menuntut adanya sekuensi
waktu yang jelas antara paparan dengan penyakit
dimana paparan mendahului penyakit.
2. STUDI RETROSPEKTIF (CASE STUDY/ CASE
CONTROL)
Merupakan rancangan studi yang mempelajari hubungan
antara paparan dan penyakit dengan cara membandingkan
kelompok kasus (mengidap penyakit) dengan kontrol
(sehat/ normal) setelah dipaparkan. Dalam hal ini efek
ditelusuri ke belakang faktor
resikonya (penyebabnya).
Hari Purnomo – Eka Siswanto
108 | Statistika Farmasi
Keuntungan rancangan ini adalah:
a. Dapat untuk meneliti kasus yang jarang
b. Hasil dapat diperoleh dengan cepat
c. Beaya relatif sedikit
d. Subyek penelitian relatif sedikit
e. Dapat mengidentifikasi berbagai faktor resiko
Adapun kerugiannya, yaitu:
a. Daya ingat responden kurang baik, catatan medik
tidak akurat maka terjadi bias data.
b. Validasi informasi sukar diperoleh.
c. Kontrol dan kasus sering tidak seimbang dalam faktor
eksternal.
d. Tidak dapat dipakai untuk lebih dari satu variable
dependen.
3. STUDI PROSPEKTIF (COHORT STUDY)
Merupakan rancangan studi yang mempelajari hubungan
antara paparan dan penyakit dengan cara membandingkan
kelompok terpapar dan tidak terpapar berdasarkan status
penyakit yang mungkin timbul dalam perkembangannya.
Pada studi ini faktor resiko diamati efek yang akan
ditimbulkan kedepannya.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 109
Keuntungan rancangan ini yaitu:
a. Pilihan terbaik untuk kasus yang bersifat fatal dan
progresif dan dapat menerangkan hubungan faktor
resiko dengan efek secara lebih jelas.
b. Desain terbaik untuk menentukan insidens perjalanan
penyakit.
c. Dapat digunakan untuk meneliti beberapa efek
sekaligus.
d. Sesuai dengan logika studi eksperimental dalam
inferensi kausal.
e. Cocok juga untuk meneliti kasus paparan yang langka.
f. Memungkinkan mempelajari sejumlah efek secara
serentak dari suatu paparan.
Namun rancangan ini juga memiliki kelemahan, yaitu:
a. Memerlukan waktu lama, mahal dan rumit dikarenakan
harus mengamati dalam beberapa periode waktu.
b. Terancam adanya drop out, hal ini dimungkinkan
karena berkurangnya unit pengamatan yang besar bisa
disebabkan karena migrasi, meninggal dunia, maupun
partisipasi yang rendah serta factor yang lain.
c. Menimbulkan masalah etika.
d. Tidak efisien untuk mempelajari penyakit langka,
kecuali dengan jumlah sampel total yang sangat besar.
Hari Purnomo – Eka Siswanto
110 | Statistika Farmasi
B. APLIKASI SPSS PADA STUDI KASUS
Studi kasus 1 (STUDI CROSS – SECTIONAL)
Sebuah lembaga Riset “EKSIS Research Center” ingin
meneliti apakah ada hubungan antara kebiasaan merokok dan
penyakit hipertensi, untuk mendukung hal tersebut maka
diambillah sampel sejumlah 265 orang, diikuti
perkembangannya selama 5 tahun kedepan. Setelah itu
ditemukan bahwa sebanyak 75 orang yang memiliki kebiasaan
merokok terkena hipertensi sebanyak 57 orang, sedangkan
yang tidak mengalami hipertensi sebanyak 18 orang. Dari data
sebanyak 190 orang yang tidak merokok sebanyak 115 orang
yang terkena hipertensi dan sisanya sebanyak 75 orang tidak
mengalami hipertensi.
Kebiasaan Hipertensi TOTAL Ya Tidak
Merokok Ya 57 18 75 Tidak 115 75 190
TOTAL 172 93 265
Langkah yang dilakukan dalam penggunaan aplikasinya dengan spss:
1. Entry data dalam SPSS sebaiknya menggunakan type numeric dan pemberian kode melalui Values
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 111
Keterangan pada Values untuk merokok dan hipertensi: 1: ya, 2: tidak
Layar akan menampilkan:
Kemudian lihatlah data view, akan terlihat tampilan sebagai berikut:
Hari Purnomo – Eka Siswanto
112 | Statistika Farmasi
2. Lakukan pembobotan pada variable kategorik, caranya klik Data > Weight Class..
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 113
Klik pada Weight Cases by masukkan variable pembobotannya (dalam kasus ini data) ke Frequency Variable > OK
Hari Purnomo – Eka Siswanto
114 | Statistika Farmasi
3. Klik Analyze > Deskriptive> Statistics> Crosstab…..
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 115
Masukkan variable: Row (s): Merokok, Column(s) : Hipertensi
Klik Statistic… Berilah tanda √ pada (√Chi square dan √Risk)
Hari Purnomo – Eka Siswanto
116 | Statistika Farmasi
Klik Continue… Klik Cells…Beri tanda √pada: (√Observed dan √Expected)
Klik Continue…OK
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 117
4. Selanjutnya akan muncul output sebagai berikut Dari tabel diatas terlihat ringkasan data dan diinterpretasikan sebagai
Kalau kita lihat tidak ada nilai Experted Count yang kurang dari 5, maka inferensi menggunakan statistik uji Chi-Square. Catatan penting untuk nilai Experted Count: jika terdapat nilai <5 maka digunakan Fisher’s Exact test, sedangkan bila tidak terdapat nilai <5 maka digunakan uji Chi-Square.
Hari Purnomo – Eka Siswanto
118 | Statistika Farmasi
Uji Hipotesis: Taraf kepercayaan 95% (tingkat signifikansi : 5% = 0,05) 1. Hipotesis
H0 : Kedua rata-rata populasi adalah identik H1 : Kedua rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak. Pada output SPSS (Chi_Square Test) check sig (Asymp. Sig) harganya dibandingkan dengan nilai α (0,05) kesimpulan Nilai sig 0.000 < 0.05 → H0 ditolak → tidak identik
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 119
Ada perbedaan yang signifikan antara pengaruh kebiasaan orang yang merokok dibandingkan dengan orang yang tidak merokok terhadap kejadian hipertensi.
Interpretasi Tabel risk Estimate:
a. Karena penelitian ini adalah Cross Sectional maka
kita dapat menggunakan Rasio Pravelensi (RP)
dibandingkan dari data OR (Odds Ratio) maupun
RR (Relative Risk). Nilai OR = 2,065 dan nilai RR
= 1,256. RP = OR/RR=1,64
b. Berdasarkan OR didapatkan nilai OR= 2,065 ~ 2
kali, artinya resiko orang yang punya kebiasaan
merokok akan terkena hipertensi lebih tinggi 2 kali
daripada orang yang tidak memiliki kebiasaan
merokok.
Hari Purnomo – Eka Siswanto
120 | Statistika Farmasi
c. Berdasarkan RR diatas diketahui bahwa orang yang
memiliki kebiasaan merokok akan terkena
hipertensi lebih tinggi 1,256 kali daripada orang
yang tidak memiliki kebiasaan merokok.
d. Ketentuan Rasio Pravelensi (RP) jika RP = 1
artinya tidak ada pengaruh, RP > 1 berarti variabel
tersebut merupakan faktor resiko (nilai RP melebihi
1)
e. Interval konfidensi 95% untuk OR yaitu 1,128 ≤
OR ≤ 3,780 dan RR yaitu: 1,058 ≤ OR ≤ 1,490
yang tidak melewati angka 1, menunjukkan adanya
hubungan yang bermakna antara kebiasaan
merokok dengan kejadian hipertensi.
Kesimpulan ada hubungan yang bermakna antara
kebiasaan merokok dengan kejadian hipertensi.
Studi kasus 2 (STUDI RETROSPEKTIF / CASE CONTROL)
Di suatu kecamatan ditemukan kematian neonatus sangat
tinggi yang kemungkinan disebabkan oleh pemotongan tali
pusar yang tidak steril. Sebuah penelitian retrospektif pun
dilakukan oleh badan riset “Agung Research Center” untuk
mengetahui bagaimanakah pengaruh pemotongan tali pusar
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 121
secara steril dalam mencegah kematian neonatus? Dalam hal
ini Kasus: semua bayi yang lahir di kecamatan Antah
berantah dalam waktu 3 bulan, yang meninggal dalam 28 hari
pertama. Kontrol: semua bayi yang lahir di kecamatan Antah
berantah dalam waktu 3 bulan, yang masih hidup setelah 28
hari. Faktor preventif yang ingin diteliti: pemotongan tali
pusat yang steril.
Kejadian Kematian Neonatus TOTAL Kasus Kontrol
Pemotongan Tak steril 230 278 508 Steril 51 289 340
Langkah pengujian sama dengan stud1 kasus 1 (STUDI
CROSS – SECTIONAL), dari sana akan didapatkan hasil
sebagai berikut:
Hari Purnomo – Eka Siswanto
122 | Statistika Farmasi
Interpretasi Output
Dari tabel diatas terlihat ringkasan data, dimana tidak ada nilai
Experted Count yang kurang dari 5, maka inferensi
menggunakan statistik uji Chi-Square.
Uji Hipotesis: Taraf kepercayaan 95% (tingkat signifikansi : 5% = 0,05)
1. Hipotesis H0 : Kedua rata-rata populasi adalah identik H1 : Kedua rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 123
Pada output SPSS (Chi_Square Test) check sig (Asymp. Sig) harganya dibandingkan dengan nilai α (0,05) kesimpulan Nilai sig 0.000 < 0.05 → H0 ditolak → tidak identik
Ada perbedaan yang signifikan antara pemotongan tali pusar antara yang tak steril dibandingkan dengan yang steril terhadap kematian neonatus.
Interpretasi Tabel risk Estimate:
a. Karena penelitian ini adalah Retrospective maka
kita dapat menggunakan OR (Odds Ratio).
Berdasarkan data OR didapatkan nilai OR= 4,688
~ 5 kali, artinya pemotongan tali pusar yang tak
steril terhadap kematian neonatus lebih tinggi 5
Hari Purnomo – Eka Siswanto
124 | Statistika Farmasi
kali dibandingkan pemotongan tali pusar yang
steril.
b. Ada hubungan yang bermakna antara pemotongan
tali pusar yang tak steril terhadap kematian karena
nilai estimasi OR melebihi 1.
c. Interval konfidensi 95% untuk OR yaitu 3,320 ≤
OR ≤ 6,621 yang tidak melewati angka 1,
menunjukkan adanya hubungan yang bermakna
antara pemotongan tali pusar dengan kematian
neonatus.
Kesimpulan ada hubungan yang bermakna antara
pemotongan tali pusar dengan kematian neonatus.
Studi kasus 3 (STUDI PROSPEKTIF/ COHORT STUDY)
Suatu penelitian dilakukan untuk mengetahui efek penggunaan
aspirin terhadap pembentukan Thrombus, dalam hal ini ada 10
pasien menggunakan Aspirin, sementara 8 orang tidak
menggunakan. Kemudian diamati pada tiap pasien apakah
terjadi pembentukan thrombus atau tidak. Adapun data tersaji
sebagai berikut:
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 125
Pemakaian obat Pembentukan
thrombus TOTAL Ya Tidak
Aspirin Ya 1 9 10 Tidak 6 2 8
TOTAL 7 11 18
Langkah pengujian sama dengan stud1 kasus 1 (STUDI
CROSS – SECTIONAL), dari sana akan didapatkan hasil
sebagai berikut:
Hari Purnomo – Eka Siswanto
126 | Statistika Farmasi
Interpretasi Output
Dari tabel diatas terlihat ringkasan data, dimana terdapat nilai
Experted Count yang kurang dari 5, maka inferensi
menggunakan statistik Fisher’s Exact tes.
Uji Hipotesis: Taraf kepercayaan 95% (tingkat signifikansi : 5% = 0,05) 1. Hipotesis
H0 : Kedua rata-rata populasi adalah identik H1 : Kedua rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 127
Pada output SPSS (Fisher’s Exact tes) check sig (Exact. Sig) harganya dibandingkan dengan nilai α (0,05) kesimpulan Nilai sig 0.013 < 0.05 → H0 ditolak → tidak identik
Ada perbedaan yang signifikan antara yang menggunakan aspirin dan yang tidak menggunakan aspirin terhadap pembentukan thrombus.
Interpretasi Tabel risk Estimate:
a. Karena penelitian ini adalah Prospective maka kita
dapat menggunakan RR. Berdasarkan data RR
didapatkan nilai RR= 0,133 kali lebih rendah
dengan pasien yang tidak menggunakan aspirin
atau dengan kata lain pasien yang tidak
menggunakan aspirin akan terjadi pembentukan
thrombus dengan resiko 1/0,133 . ~ 7,518 kali ~ 7
Hari Purnomo – Eka Siswanto
128 | Statistika Farmasi
kali lebih tinggi dari pasien yang menggunakan
aspirin.
b. Interval konfidensi 95% untuk RR yaitu 0,020 ≤
RR ≤ 0,893 yang tidak melewati angka 1,
menunjukkan adanya hubungan yang bermakna
antara penggunaan aspirin dengan pembentukan
thrombus.
Kesimpulan ada hubungan yang bermakna antara
penggunaan aspirin dengan pembentukan thrombus.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 129
LATIHAN SOAL
Dari hasil penelitian didapatkan kadar glukosa darah pada hari ke-0, ke-50 dan ke-55 sebagai berikut ini:
Hari Purnomo – Eka Siswanto
130 | Statistika Farmasi
Keterangan :
1. Kontrol negatif dan kelompok lain (kecuali kontrol normal) pada hari ke-1 sampai hari ke-55 diberi lemak-fruktosa (disebut tikus lemak-fruk).
2. Hari ke-50 tikus dinyatakan telah mengalami resistensi insulin. 3. Kombinasi 1 (metformin dosis lazim + ekstrak terpurifikasi dosis
optimum), kombinasi 2 (metformin ½ dosis lazim + ekstrak terpurifikasi dosis optimum).
Contoh: menghitung % daya penurunan glukosa darah preprandial (daya hipoglikemik) Ekstrak terpurifikasi
%1000)-ke (Hari-50)-ke (Hari
55)-ke (Hari-50)-ke (Haripenurunan daya % x=
%100(41,14)-(105,09)(78,79)-(105,09)penurunan daya % x=
%12,41penurunan daya % = , Lalu, bagaimanakah pengolahan datanya?
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 131
DAFTAR PUSTAKA
Anonim, 2010, Modul training Olah data 2010, Fakultas MIPA UGM, Yogyakarta. Azwar, S. 2012. Reliabilitas dan Validitas. Edisi 4. Yogyakarta : Pustaka Pelajar Boediono dan Kaester, W, 2001. Teori dan Aplikasi Statistika
dan Probabilitas, Penerbit Pt. Remaja Rosdakarya. Bandung
Croxton,F.E, dan Cowden, D.J., 1995., Applied General Statistics, second edition, Prentice-Hal, Inc., N.Y.
Ghozali, I. 2009. Aplikasi Multivariate Dengan Program SPSS. Badan Penerbit Universitas Diponegoro: Semarang.
Hadi, S, 1990. Analisis Butir untuk Instrumen Angket, Tes, dan Skala Nilai dengan BASICA. Yogyakarta: Andi Offset.
Jones, D.S, 2010, Statistik Farmasi (edisi terjemahan), Penerbit buku Kedokteran EGC, Jakarta.
Kuswadi dan Mutiara, E. 2004. Statistik Berbasis Komputer untuk Orangorang Non Statistik. Elex Media Komputindo. Jakarta.
Mursyidi, A., 1985, Statistika Farmasi dan Biologi, Ghalia Indonesia, Yogyakarta.
Nawawi, H., 1995, Metode Penelitian Bidang Sosial, Gadjah Mada University Press, Yogyakarta.
Raharjo, M., 2003, Statistika, Department Pendidikan Nasional, PPPG Matematika Yogyakarta.
Riduwan dan Sunarto,. 2007. Statistika untuk penelitian. Bandung : Alfabeta.
Santosa, S., 1999, SPSS : Mengolah Data Statistik Secara Profesional, Elex Media Komputindo, Jakarta.
Santosa, S., 2000, Buku Latihan SPSS : Statistika Parametrik, Elex Media Komputindo, Jakarta.
Hari Purnomo – Eka Siswanto
132 | Statistika Farmasi
Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media Komputindo. Jakarta.
Sari, I.P., 2005, Statistika Praktis Untuk Farmasi, Pustaka Mahasiswa, Yogyakarta.
Supranto,J. M.A. 2000. Statistik : Teori dan Aplikasi, Edisi Keenam, Jilid 1, Erlangga, Jakarta.
Widyantini, T., dan Pujiati, 2004, Statistika, Department Pendidikan Nasional, PPPG Matematika Yogyakarta.
WilksS.S , 1994. Elementary Statistics Analysis, Princeton University Press, N.Y., 1994.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 133
Lampiran 1
Tabel Distribusi Normal Terbakukan
Hari Purnomo – Eka Siswanto
134 | Statistika Farmasi
Lampiran 2
Tabel Nilai Kritis Uji Kolmogorov-Smirnov
n α = 0,20 α = 0,10 α = 0,05 α = 0,02 α = 0,01
1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 135
17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,295 0,317
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,226
55 0,142 0,162 0,180 0,201 0,216
60 0,136 0,155 0,172 0,193 0,207
Hari Purnomo – Eka Siswanto
136 | Statistika Farmasi
65 0,131 0,149 0,166 0,185 0,199
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161
Pendekatan 1,07/√n 1,22/√n 1,36/√n 1,52/√n 1,63/√n
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 137
Lampiran 3 Tabel Nilai Kritis untuk Distribusi Uji Chi-Kuadrat (satu sisi)
Hari Purnomo – Eka Siswanto
138 | Statistika Farmasi
BIOGRAFI PENULIS
BIOGRAFI HARI PURNOMO
IDENTITAS DIRI
Nama : Dr. Hari Purnomo, M. S., Apt
NIP/NIK :196008041985031004 NIDN 0004086015
Tempat dan Tanggal Lahir: Sleman , 4 Agustus 1960
Jenis Kelamin : □v Laki-laki □ Perempuan
Status Perkawinan : □v Kawin □ Belum Kawin □ Duda/Janda
Agama: Islam
Golongan / Pangkat : III.c / Penata
Jabatan Fungsional Akademik : Lektor
Perguruan Tinggi : UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 139
Alamat : Bulaksumur, Yogyakarta
HP WA 081227910358 SMS 082138166234
Telp./Faks.: (0274)543120
Alamat Rumah : Jl. Kaliurang Km 13,mBesi, Desa Karanglo Rt /RW 03/03, Sukoharjo, Ngaglik, Sleman.55581
http://www.google.co.id/search?q=Hari+Purnomo+Karanglo&ie=utf-8&oe=utf-8&aq=t&rls=org.mozilla:en-US:official&client=firefox-a
Telp./Faks.:081227910358
Alamat e-mail:[email protected]
https://scholar.google.co.id/citations?view_op=list_works&hl=en&user=KHWnpwMAAAAJ&gmla=AJsN-F5HC3h4PxETj1DeCus5BFbULThFgmdGoZ4b-k5H5naXkcnXBAFb86tEc-uKep5lud0mZqkTEBpYDO38hRfClZmHVD2578AsppxuvuRwe58uvXGGJ2EEs2aD-1evt4Rfmr5Tu4va
Hari Purnomo – Eka Siswanto
140 | Statistika Farmasi
A. RIWAYAT PENDIDIKAN PERGURUAN TINGGI
Tahun Lulus Jenjang Perguruan Tinggi
Jurusan/
Bidang studi
Agustus,1984 Strata 1 UGM Farmasi
Desember,1984 Profesi UGM Farmasi
Maret, 1992 Strata2 ITB Farmasi/ Farmakologi
23 Maret, 2016 Program Doktor
UGM Farmasi
Skripsi : Studi Planaritas Inti korinoid pada sianokobalamina
Pendekatan Spektrometris UV, IR , dan XRD
Tesis : Pengaruh Magnesium Trisilikat dan Aluminium Hidroksida Terhadap
Absorpsi Klordiazepoksida Hidroklorida
Disertasi : DESAIN MOLEKUL, SINTESIS DAN UJI IN SILICO
ANALOG PARASETAMOL
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 141
B. PELATIHAN PROFESIONAL
Tahun Pelatihan Penyelenggara
2016 Pelatihan Auditor Mutu Internal Lanjut , 10 Mei 2016
KJM UGM
2014 Pelatihan Auditor Mutu Internal Lanjut , 12 Juni 2014
KJM UGM
2012 Workshop “Menuju Akreditasi Jurnal Nasional”
Fakultas Farmasi UGM
2012 Workshop Dasar-Dasar Penandaan BiomolekulDi Pusat Teknologi Akselerator dan Proses Bahan pada 17 Juli 2012
BATAN , Yogyakarta
2011 The 19th Advanced Course in Pharmaceutical Sciences “ Recent Advanced in Skin Delivery and Technology”[ Yogyakarta, 19-21 September 2011]
Fakultas Farmasi UGM
2011
Workshop Molecular Biology on Cancer =Bioinformatika Blast= [Yogyakarta 13 Maret 2011]
Fakultas Farmasi UGM
2011
Workshop Molecular Biology on Cancer =Elektroforesis dan western Blot= [Yogyakarta 11-12 Maret 2011]
Fakultas Farmasi UGM
2011
Workshop Molecular Biology on Cancer =Cell Culture= [Yogyakarta 3-5 Maret 2011]
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
142 | Statistika Farmasi
C. PENGALAMAN MENGAJAR
Mata Kuliah Jenjang Institusi/Jurusan/ Program
Tahun
Kimia Medisinal I S1 Fakultas Farmasi UGM
2016-sekarang
Kimia Medisinal II S1 Fakultas Farmasi UGM
2013-sekarang
Kimia Medisinal S2 Fakultas farmasi UGM
2016-sekarang
Desain Obat S2 Fakultas farmasi UGM
2016-sekarang
Kimia Komputasi S2 Fakultas Farmasi UAD Yogyakarta
2013-sekarang
Kimia Medisinal S1 Fakultas Farmasi USB Surakarta
2013-2015
Farmakokimia S1 Fakultas Farmasi USB Surakarta
2013-2015
Farmakokimia I, Farmakokimia II
S1 Fakultas Farmasi UGM
2008 - 2011
Kimia Organik I, Kimia Organik II, Farmakokimia I, Farmakokimia II
S1 Fakultas Farmasi UGM
2006 -2008
Farmakologi S1 Fakultas Kedokteran Universitas Andalas
2000 -2005
Farmasi Kedokteran
S1 Fakultas Kedokteran Universitas Andalas
1992 -1999
Farmasi Kedokteran
Co-Ass Fakultas Kedokteran Universitas Andalas
1986 -1989
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 143
D. PENGALAMAN MEMBIMBING MAHASISWA
Tahun Menguji dan Pembimbingan/Pembinaan 2015/2016 Membimbing Skripsi
Jessica Anindita 12/331037/FA/
09178
Sintesis Senyawa 4-Formil-2-Metoksifenil N-(4-Hidroksifenil) Karbamat Dan Uji Aktivitas Analgesiknya Secara In Vivo
Evi Trinovita 12/3333232/FA
/09283
Desain Molekul, Sintesis, Dan Uji Analgetika 4-Benzamidofenil Benzoat
2014/2015 Membimbing Skripsi Pipin Irawan Desain Turunan Isatin Sebagai Analgetika
Kompetitor Parasetamol ( Pendekatan Molecular Docking PLANTS)
2014 Membimbing 4 buah skripsi Lina Utami Suryarini
09/280942/FA/ 08299
Penentuan Parameter Kelarutan Dan Koefisien Partisi Semu (Apparent Partition Coefficient/Apc)Senyawa MH2011
Fadhil Rusyda Muhammad
09/280647/FA/ 08281
Upaya Peningkatan Kelarutan Senyawa MH2011 Dengan Pelarut Non Etanol
Romdlon Fauzi 09/284497/FA/
08341
Uji Analgetik Senyawa MH2011 Pada Mencit Jantan Galur BALB/C Dengan metode Tail-Flick
Hesti Prihastuti Dewi 08/268379/FA/
08136
Uji Hepatotoksis senyawa MH2011 pada Mencit Jantan Galur BALB/C Dengan Pembanding Parasetamol
2013 Membimbing 7 buah skripsi Lina Utami Suryarini
09/280942/FA/ 08299
Penentuan Parameter Kelarutan Dan Koefisien Partisi Semu (Apparent Partition Coefficient/Apc)Senyawa MH2011
Fadhil Rusyda Muhammad
09/280647/FA/08281
Upaya Peningkatan Kelarutan Senyawa MH2011 Dengan Pelarut Non Etanol
Hari Purnomo – Eka Siswanto
144 | Statistika Farmasi
Romdlon Fauzi 09/284497/FA/
08341
Uji Analgetik Senyawa MH2011 Pada Mencit Jantan Galur BALB/C Dengan metode Tail-Flick
Hesti Prihastuti Dewi 08/268379/FA/
08136
Uji Hepatotoksis senyawa MH2011 pada Mencit Jantan Galur BALB/C Dengan Pembanding Parasetamol
Ayu Widhaningtyas 09/288876/FA/
08440
Uji Analgetik Senyawa MH2011 Dengan Metode HOT-PLATE Pada Mencit Jantan Galur BALB/C [Pembimbing Pendamping]
Sofiana 09/287056/FA/
08423
Uji Aktivitas Analgetik Senyawa MH2011 Pada mencit Jantan Galur BALB/C Dengan Metode Geliat ( Writhing Test) [Pembimbing Pendamping]
Esty Oktaviarini Riyanti
09/281740/FA/ 08315
Uji Aktivitas Antipiretik Senyawa MH2011 Pada Tikus Wistar Jantan Yang Diinduksi Brewer’s Yeast [Pembimbing Pendamping]
2012 Membimbing 5 buah skripsi Nihayatul Karimah
08/268404/FA/ 08144
Sintesis 2-(4’-hidroksi-3’-metoksi-benzilidin)-siklopentana-1,3-dion dari Vanilin dan Siklopentana-1,3-dion dengan Metode microwave radiation serta Analisis Molecular docking Senyawa target
Palupi Dwi Handayani
08/265336/FA/ 08096
Optimasi Sintesis 2-(4’- metoksi-benzilidin)-siklopentana-1,3-dion Melalui Penambahan Katalis Basa Secara Solvent Free Serta Analisa Docking Molekuler Senyawa target
Maulana tegar Aditya Nugraha 09/280285/FA/
08255
Optimasi sintesis senyawa SPHP-1 Dan Penambatan Molekul Menggunakan PLANTS Untuk Memprediksi mekanisme Kerja Antikankernya
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 145
Meta Nobelia Hapsari
08/268577/FA/ 08185
Pengaruh Metode Sintesis Terhadap Jumlah rendemen Produk 2-(4’-Hidroksi-3’-5’-dimetilbenzilidin)Sikloopentana-1,3-dion Menggunakan Katalis Basa Serta analisis Molecular Docking-nya Pada protein target Sebagai senyawa Berpotensi Antikanker
Dany Dwi Agistia 08/268288/FA/
08112
Docking Molecular Senyawa Aktif Dari Aegle marmelos Correa Sebagai Antihistamin dan antiinflamasi
2012 7 Penguji Aditya Wisnusaputra
08/268306/FA/ 08118
Skrining In Silico Senyawa Aktif Yang Terkandung Dalam Bengkoang(Pachyrrhizus erosus)Sebagai Antitirosinase Pada aspergilus Oryzae: Study Komputasional Dengan Homology Modelling dan Molecular Docking.
Anny Azhary Mustikawaty
08/268310/FA/ 08119
Skrining In siliko Senyawa Aktif Dari Bengkoang(Pachyrrhizus erosus) Sebagai Inhibitor Tirosinase Pada Homosapiens : Study Komputasional Melalui Homology Modeling Dan Molecular Docking
2011 Membimbing 5 buah skripsi S1, Menguji 7 buah Skripsi S1
Arie Panggah Prasetyo
07/253958/FA/ 07831
Pengaruh Waktu Radiasi Microwave pada Sintesis 2-(4-metoksibenziliden)siklopentana-1,3- dion Secara solven Free
Alwi Isnandar 07/253869/FA/
07820
Pengaruh Jumlah Katalis asam Klorida 0,1 N Terhadap Sintesis 2-(4’-hidroksi-3’-metoksibenzilidin) siklopentana-1,3-dion
Toni Hartanto Wibowo
07/254196/FA/ 07871
Pengaruh Lama radiasi microwave Pada Sintesis 2-Benzilidin Siklopentana-1,3- dion
Hari Purnomo – Eka Siswanto
146 | Statistika Farmasi
Ananda wahyu Purwantoro
07/254210/FA/ 07873
Pengaruh Jumlah Katalis Asam Klorida Pekat Terhadap Sintesis 2-(4’-hidroksi-3’,5’-dimetilbenzilidin)Siklopentana-1,3-dion
Aziz Aditya Wiguna 07/254021/FA/
07844
Pengaruh Variasi Waktu Radiasi Microwave Terhadap Sintesis Senyawa 2-(4’-dimetilaminobenzilidin)Siklopentana-1,3-dion
(Penguji) Deasy Vanda Pertiwi
07/254040/FA/ 07846
Penelusuran Mekanisme Aksi Senyawa Rocaglamide Sebagai Penginduksi Apoptosis Pada Target Berbasis Pathway Chronic Myeloid Leukimia Secara In siliko
(Penguji) Anisa Budi Suswandari
07/253819/FA/07809
Prediksi Afinitas Senyawa Analog Gamavuton-) (GVT_0) Terhadap enzim Siklooksigenase-2 (COX-2): Kajian Homologi Modeling Dan Docking Molekuler
2010 Membimbing 2 buah Skripsi S1, Menguji 2 buah Skripsi S1
Sudewi Mukaromah Khoirunnisa
06/192661/FA/ 07528
Aktivitas Analgetik Dan Tinjauan Efek Samping Hepatotoksik Senyawa Baru 1,3-Bis(4-Hidroksi-Fenil)-Urea Sebagai Kompetitor Parasetamol
Marthaningtyas Diah Savitri
06/192677/FA/ 07532
Uji Aktivitas Antipiretik Senyawa 1,3-Bis(4-Hidroksi-Fenil)-Urea Sebagai Kompetitor Parasetamol Serta Tinjauan Efek Samping Hepatotoksik
2009 Membimbing 4 buah Skripsi S1, Menguji 7 buah Skripsi S1
Harianto 05/189919/FA/
07475
Sintesis Senyawa Isoster Gamavuton 1,3 bis(-4-hidroksi’-3’-metoksibenzilidine) urea
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 147
Made Dwi Pradipa Wahyudi S
05/189921/FA/ 07476
Sintesis 1,3 bis(4-hidroksibenzilidin)urea
Andy Eko Wibowo 06/192751/FA/
07537
Sintesis N,N-bis(4-klorobenzilidin)urea Menggunakan 4-kloro-benzaldehid dan Urea Dengan Katalis Asam Klorida
Masithoh suryaning Prahasiwi
04/175813/FA/ 07191
Pengaruh Perbandingan Urea Terhadap p-aminofenol pada Sintesis 4-hidroksifenil urea
(Penguji) Nara Perdana Wijaya
05/186587/FA/ 07310
Sintesis turunan Isoster Gamavuton : Sintesis1,3-bis(4-metoksibenzilidin)urea Melalui Reaksi Pembentukan Imina Dalam suasana Asam Asetat
(Penguji) Anton Hari Prabowo
05/187837/FA/ 07444
Produk Reaksi Antara Benzaldehid dan Urea Dalam suasana Asam Dengan katalis Asam Klorida
(Penguji) Andreas Jimmy
Biantoro 05/18996/FA/
07480
Sintesis N’- Sikloheksilteobromin Serta Studi Afinitasnya Pada Enzim Phosphodiesterase Secara Docking Molekuler
2008 Menguji 2 buah Skripsi S1
(Penguji) Haryadha Agustian 04/175805/07188
Uji Sitotoksisitas Ekstrak Etanolik ulit Batang Hibiscus rosa-sinensis L. ( Kembang Sepatu) Terhadap Sel T47d dan MCF7 Serta Docking Molekuler Senyawa Berkerangka Kumarin Yang Terkandung Dalam ekstrak Pada Reseptor Estrogen Alfa(ERα) dan Tubulin
(Penguji) Edison Chrisnanto
04/175620/FA/
Efek antiangiogenik Ekstrak etanolik Kulit Buah Jeruk Keprok ( citrus Reticulata) Terhadap membrane Korio Alantois(CAM)
Hari Purnomo – Eka Siswanto
148 | Statistika Farmasi
07130 Ayam TerinduksibFGF 2007 Menguji 1 buah Skripsi S1
(Penguji) Udin Archam
02/161363/FA/ 06770
Analisis Hubungan Kuantitativ Struktur dan Aktivitas Antimitosis Senyawa Analog Kolkhisisn Menggunakan Deskripsi Hasil Perhitungan Kimia Kuantum
1994 sd 2005 Membimbing dan menguji skripsi mahasiwaS1 Fakultas kedokteran Unand
MEMBIMBING HIBAH,PKM 2013-2014 MAHASISWA
Ketua PKM Judul
Adella Clara Alverina
12/331235/FA/09248
Modifikasi senyawa asetosal menjadi
2-(asetiloksi)benzamida untuk menghilangkan efek samping ulkus
gastrik melalui pendekatan Molecular docking
MEMBIMBING HIBAH,PKM 2012-2013 MAHASISWA
Muhammad Khairiskam
10/301495/FA/08574
Optimasi Waktu Radiasi Microwave dan Pengaruh pH Asam Terhadap Sintesis 2-Benziliden Siklopentana-1,3-Dion Sebagai Upaya Pengembangan Aktivitas Antikanker.(2012)
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 149
MEMBIMBING HIBAH,PKM 2011-2012MAHASISWA
Maulana Tegar Aditya Nugraha
09/280285/FA/08255
Optimasi sintesis Senyawa Antikanker Baru SPHP1 dan Docking Molekuler Menggunakan PLANTS Untuk Memprediksis Mekanisme Kerjanya(2011)
Fadhil Rusyda Muhammad
09/280647/FA/08281
Optimasi Sintesis Senyawa SPHP1 Sebagai antikanker baru dan Docking
Molekuler Untuk Mengetahui Mekanisme Kerjanya
(2011-2012)
Haryono Wibowo
09/285128/FA/08394
Optimasi waktu radiasi Microwave dan Pengaruh Katalis Basa Terhadap Sintesis 2-benziliden siklopentana 1,3 dion Sebagai Upaya Pengembangan aktivitas Antikanker (2011-2012)
Maulana Tegar Aditya Nugraha
09/280285/FA/08255
Pemanfaatan Urea Sebagai senyawa Analgetik yang lebih Poten Dari Parasetamol dan Docking Molekuler Untuk Mengetahui Mekanisme Kerjanya (2011-2012)
Herwandhani Putri
NIM 08/268325/FA/08124
Aktivitas Kemopreventif Ekstrak Etanolik Kulit Buah Jeruk Bali( Citrus Maxima) : studi Molecular Docking Serta Ekspresi Protein Penanda Apoptosis Bcl-2 dan Bax pada Sel Hela (2011)
Hari Purnomo – Eka Siswanto
150 | Statistika Farmasi
E. PENGALAMAN PENELITIAN
Tahun Judul Penelitian Jabatan Sumber Dana 2017 Sintesis Antikanker Dengan
Mereaksikan Asam Galat Dan Beberapa Senyawa Alam Lain
Anggota PUPT
2016 Sintesis p-aminofenol dari Benzen Ketua Hibah Fakultas Farmasi UGM
2016 Sintesis p-aminofenol dari Fenol Anggota Hibah Fakultas Farmasi UGM
2016 DESAI N MOLEKUL, SINTESIS DAN UJI IN SILOCO ANALOG PARASETAMOL (DISERTASI)
Ketua BPPS
2015 Desain Molekul, Sintesis dan Uji Aktivitas Analgetika Turunan p-Aminofenol Untuk Menunjang Pengembangan Bahan Baku Obat Indonesia
Anggota PUPT
2015 Hubungan In Siliko dan In Vitro Kompetitor Parasetamol
Anggota Dana Masyarakat Hibah Fakultas Farmasi UGM 2015
2013 PEMANFAATAN ISATIN SEBAGAI ANALGETIKA BARU YANG LEBIH POTEN DIBANDING PARASETAMOL (PENDEKATAN PENAMBATAN MOLEKUL PLANTS)
Ketua Dikti /BOPTN
2013 2 nd Years:DEVELOPMENT OF SPECIFIC MOLECULAR-TARGETED AGENTS TO INCREASE SENSITIVITY OF RESISTANCE BREAST CANCER CELLS TO CHEMOTHERAPEUTIC AGENTS
Anggota Tim Peneliti 2
HKI DIKTI- NAIST
2012-2013
HP2009 SEBAGAI OBAT KASIAT GANDA : ANALGETIKA DAN ANTIKANKER
Ketua
[ Pemenang Proposal Inovatif Potensi Paten Terbaik 2012]
LPPM UGM (Rp. 50.000.000,-)
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 151
2012 PEMANFATAN VANILIN SEBAGAI BAHAN BAKU SINTESIS HP2012C ANALGETIKA YANG LEBIH POTEN DIBANDING PARASETAMOL
Ketua LPPM UGM [Penelitian kolaboratif Dosen-Mahasiswa]
2012 MENDESAIN HP2012 SENYAWA ANALGETIKA YANG LEBIH POTEN DIBANDING PARASETAMOL [PENDEKATAN PENAMBATAN MOLEKUL PLANTS]
Ketua LPPM UGM [Penelitian kolaboratif Dosen-Mahasiswa]
2012
DEVELOPMENT OF SPECIFIC MOLECULAR-TARGETED AGENTS TO INCREASE SENSITIVITY OF RESISTANCE BREAST CANCER CELLS TO CHEMOTHERAPEUTIC AGENTS
Anggota Peneliti
Kerjasama Internasional UGM-NAIST, Japan (Tahun 1 Rp.175.000.000)
2011
SINTESIS ANALGETIKA – ANTIPIRETIKA HP2009 [PEMILIHAN METODE SINTESIS TERBAIK]
Peneliti Utama
Fakultas Farmasi UGM (Rp.15.000.000)
2010 – 2011
Disain molekul UPGV-O sebagai antikanker Dan analisis komputasional Untuk mengetahui mekanisme kerjanya
Peneliti Utama
[ Pemenang Proposal Inovatif Potensi Paten Terbaik 2010]
2009-2010
Sintesis dan Analisis Komputasi Senyawa 2-(4-hidroksi-3,5-
dimetil-benzilidin)siklopentana-1,3-dion(modifikasi molekul PGV-1) Untuk Meningkatkan
Efek Antikanker
Peneliti Utama
[ Pemenang Proposal Inovatif Potensi Paten Terbaik 2009]
LPPM UGM ( Rp. 51.250.000,-)
Hari Purnomo – Eka Siswanto
152 | Statistika Farmasi
2009
Sintesis dan Uji Aktivitas Analgetik-Antipiretik serta Tinjauan Efek Samping Hepatotoksis Senyawa Baru 1,3 Bis(4-hidroksifenilurea) sebagai Kompetitor Parasetamol
Peneliti utama LPPM UGM ( Rp. 19.500.000,-)
2008
Sintesa Analgetika –Antipiretika Baru : Parahidroksifenilurea
Peneliti Utama
Hibah Fakultas Farmasi UGM (Rp. 10.000.000,-)
2008
Sintesis Beberapa Senyawa Isoster Gamavuton dan turunannnya [ Peneliti ke 2 ]
Peneliti ke 2 Hibah Fakultas Farmasi UGM (Rp. 25.000.000,-)
2007 Sistesa Analgetika-antipiretika Baru : Isopropenaminofen
Peneliti Utama
Hibah Fakultas Farmasi UGM (Rp.9.000.000,-)
2007 Integrasi Nilai-nikai UGM Dalam Mata Kuliah Farmakokimia I dengan Metode Student Centre Learning
Peneliti Utama
PPKB-UGM (Rp.10.000.000,-)
F. PUBLIKASI
Resume Publikasi (Terbaru diatas) 1. Purnomo, H, Jenie,U.A., Nugroho,A.E., Pranowo,H.D., 2016, Synthesis and Structure Elucidation of 1,3 bis(p-Hydroxyphenyl)urea, JURNAL ILMU KEFARMASIAN INDONESIA, Vol 14, No.1, April 2016, hlm. 33-37 ISSN 1693-1831 http://jifi.ffup.org/wp-content/uploads/2016/09/33-37_HARI-PURNOMO.pdf
2.Pudjono, Anindia,J.,Hakim,A.R.,Purnomo, H,2016, Synthesis And Analgetic Activity Evaluation Of 4[N-(4hydroxyphenyl)Carboxymidoyl]2-Methoxyphenol, Indonesian J. Pharm. Vol.27No 2 : 99–103 ISSN-p : 2338-9427
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 153
http://indonesianjpharm.farmasi.ugm.ac.id/index.php/3/article/viewFile/1064/775 3. Purnomo, H, Jenie,U.A., Nugroho,A.E., Pranowo,H.D., 2016, In Silico and in Vivo Qualitative Relationships of Para-Aminophenol Analogues, IJPCR,May 2016,Volume 8, Issue 5 Suppl. , p 367-371.
http://ijpcr.com/volume8issue5suppl1/
4. Purnomo, H, 2015, HP2009 Analgetika Yang Lebih Manjur dan Lebih Aman, Berbahan Baku Urea Tandingan Parasetamol dalam Buku “107 Innovations Indonesia 2015”,
ISBN 978- 602-95290-6-7 Business Innovation Center (BIC), Jakarta, 2015
http://www.bic.web.id/login/inovasi-indonesia-unggulan/1243-turunan-pupuk-pencegah-ambruk
5. Nurhayati APD, Pratiwi R, Wahyuono S, Istriyati, Purnomo H, et al., 2015, In Vitro Test and Molecular Docking of Alkaloid Compound in Marine Sponge Cinachyrella anomala against
T47D Cell Cycle. J Marine Sci Res Dev 5:158. doi:10.4172/2155-9910.1000158
http://dx.doi.org/10.4172/2155-9910.1000158
6. Purnomo H, 2014, MH2011: Suatu Analgetika Kompetitor Parasetamol yang Lebih Aman dan Lebih Poten dalam Buku “106 Innovations Indonesia 2014”, ISBN 978-602-95290-5-0, Business Innovation Center (BIC), Jakarta, 2014
http://www.bic.web.id/login/inovasi-indonesia-unggulan/1091-serbuk-hijau-penghilang-nyeri
Hari Purnomo – Eka Siswanto
154 | Statistika Farmasi
7. Meiyanto E1*, Putri DDP1, Susidarti RA1, Murwanti R1, Sardjiman1, Fitriasari A1, Husnaa U1, Purnomo H1, Kawaichi M2 ,2014,Curcumin and its Analogues (PGV-0 and PGV-1)
Enhance Sensitivity of Resistant MCF-7 Cells to Doxorubicin through Inhibition of HER2 and NF-kB Activation,Asian Pac J Cancer Prev, 15 (1), 179-184,2014.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.719.2921&rep=rep1&type
8. Nugroho AE1*, Agistia DD1, Tegar M2 and Purnomo H2, 2013, Interaction of active compounds from Aegle marmelos CORREA with histamine-1 receptor, www.bioinformation.net Volume 9(8), 2013
http://www.bioinformation.net/009/97320630009383.pdf
http://www.bioinformation.net/009/97320630009383.htm
9. Tegar M and Purnomo H, 2013, Tea leaves extracted as anti-malaria based on molecular docking PLANTS,Procedia Environmental Sciences , ISSN : 18780296, 17 ( 2013 ) 188 – 194
http://www.sciencedirect.com/science/article/pii/S1878029613000303
10. Mulyani S, Purnomo H, Tegar M ,2013, ”Computational Application For designing A New Compound As Anticancer ActivityBy More Poten ThanPentacyclic Triterpenes”,
Wulfenia journal Austria, ISSN: 1561-882X,2013
http://www.multidisciplinarywulfenia.org/auto/index.php/archive/part/20/3/3/?currentVol=20¤tissue=3
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 155
11. Agistia DD, Purnomo H, Tegar M , Nugroho AE, 2013,Interaksi senyawa aktif dari aegle marmelos correa. Sebagai anti Inflamasi dengan reseptor cox-1 dan cox- 2, Trad. Med. J.,, Vol. 18(2), p 80-87,ISSN : 1410-5918,2013
http://mot.farmasi.ugm.ac.id/files/1718-2-2013-03-INTERACTION%20BETWEEN%20ACTIVE%20COMPOUNDS.pdf
12. Nugroho AE, Purnomo H, 2011,Maeyama K, Econazole depleted calcium release-activated calcium (CRAC) current through blockade of voltage- dependent Ca++ channel, Majalah Farmasi Indonesia, vol 22(2), 2011 .
http://journals.indexcopernicus.com/issue.php?id=11360&id_issue=858917
G. HKI
HAK CIPTA :BUKU
1. KIMIA KOMPUTASI: Molecular Docking PLANTS
[Penambatan Molekul PLANTS], ISBN :978-602-229-023-
0, Desember 2011, Penerbit Pustaka Pelajar, Yogyakarta.
Hari Purnomo – Eka Siswanto
156 | Statistika Farmasi
2. MENDESAIN MOLEKUL OBAT SEBAGAI
ANALGETIKA, ISBN: 978-602-229-077-3, Juni 2012,
Penerbit Pustaka Pelajar, Yogyakarta.
3. KIMIA KOMPUTASI UNTUK FARMASI DAN ILMU
TERKAIT : Uji In Siliko Senyawa AntiKanker, ISBN :
978-602-229-192-3,Oktober2013,Penerbit Pustaka Pelajar,
Yogyakarta.
4. SERI PENEMUAN OBAT DESAIN MOLEKUL
ANTIBIOTIKA, ISBN : 978-602-229-336-1, September 2014,
Penerbit Pustaka Pelajar, Yogyakarta.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 157
5. Design of Paracetamol Competitor Molecules as Analgesic
Agents,2015,ISBN 978-3-659-68672-6. Lambert Academic
Publishing,Saarbrücken.
https://www.lap-
publishing.com/catalog/details//store/gb/book/978-3-659-
68672-6/design-of-paracetamol-competitor-molecules-as-
analgesic-agents
Hari Purnomo – Eka Siswanto
158 | Statistika Farmasi
6. SERI PENEMUAN OBAT : DESAIN MOLEKUL
ANTIMALARIA KOMPETITOR MEFLOKUIN, ISBN : 978-
602-229-517-4, Agustus 2015, Penerbit Pustaka Pelajar,
Yogyakarta.
7. Seri Kimia Medisinal, METABOLISME OBAT, ISBN 978-
602-229-553-2, Februari 2016, Penerbit Pustaka Pelajar,
Yogyakarta.
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 159
H. PATEN
1. Judul Invensi:Senyawa Berpotensi Antikanker Baru:UPGV1(Up Date PGV1)(Senyawa 2-(4-hidroksi-3,5-dimetilbenzilidin)siklopentana-1,3-dion) [Nomor Permohonan Paten: S00201000255] Tertanggal 22 Desember 2010
Nama Inventor/ Penemu: Drs. Hari Purnomo, M. S., Apt. Prof. Dr. Supardjan, A.M., M.S., Apt. Nunung Yuniarti, M.Si., Apt.
2. Judul Invensi :Senyawa Analgetika- Antipiretika Baru :HP2009 atau 1,3 Bis(Para-Hidroksifenil)Urea
[Nomor Permohonan Paten: P00201100158] [Perubahandari : S00201000257]
Tertanggal 9 Maret 2011 Nama Inventor: Drs. Hari Purnomo, M. S., Apt.
3. Judul Invensi : Senyawa Analgetika-Antipiretika Baru MH2011 atau 1-(4-hydroxynaphthalen-1-yl)3-(4-hydroxyphenyl)urea
[Nomor Permohonan Paten: P00201200964] Tertanggal 14 Nov 2012
Nama Inventor/ Penemu: Drs. Hari Purnomo, M. S., Apt.
4. Judul Invensi : Metode Baru Sintesis Senyawa HP2009 Atau [1,3 Bis(Para-Hidroksifenil)Urea] dan Aktifitas Farmakologi Sebagai Analgetika- Antipiretika [Nomor Permohonan Paten: P00201304902] Tertanggal 20 Desember 2013 Nama Inventor/ Penemu: Drs. Hari Purnomo, M. S., Apt.
Hari Purnomo – Eka Siswanto
160 | Statistika Farmasi
I. NARA SUMBER WORKSHOP ATAU PEMAKALAH PADA SEMINAR NASIONAL DAN INTERNASIONAL
Tahun Judul Kegiatan Penyelenggara
2017 Semester Genap 2016/2017
2017 Narasumber Workshop Penulisan Buku Ajar di Akademi Farmasi samarinda pada 11 Maret 2017
Akademi Farmasi Samarinda, Samarinda
Semester Gasal 2016/2017
2016 Pemakalah Oral pada Seminar Nasional Perkembangan Anti Infeksi dengan judul “Teknik Desain Molekul untuk penemuan Anti Infeksi Baru” pada tanggal 10 Desember 2016 di GSP, Bulaksumur UGM, Yogyakarta
Program Pascasarjana Fakultas Farmasi, UGM
2016 Nara Sumber pada Kuliah Tamu “ kimia Medisinal : penemuan, desain dan Pengembangan Obat di FMIPA Jurusan Farmasi Universitas Garut, Garut, jawa barat pada 26 Nop 2016
FMIPA Jurusan farmasi universitas Garut, Darut, Jawa Barat
2016 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat di FMIPA Jurusan Farmasi Universitas Garut,
FMIPA Jurusan farmasi universitas Garut, Darut,
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 161
Garut, jawa barat pada 26 Nop 2016 Jawa Barat
2016 Pemakalah Oral pada Simposium Nasional Himpunan Kimia Bahan Alam Indonesia ke XXIV dengan Judul “Andrograpolida Sambiloto Sebagai Senyawa Penuntun Penemuan Obat Baru Antimalaria Pada tanggal 17-19 Oktober 2016 di UII, Yogyakarta.
HKBAI
2016 Pemakalah oral pada Seminar Nasional IAI dengan judul ”Studi Densitas Elektron Inti Korinoid Pada Sianokobalamina.Pendekatan Komputasional Semi Empiris PM3 ”pada tanggal 27-29 September 2016 di Yogyakarta
Panitia IAI Pusat
2016 Nara Sumber “Teknik Desain Molekul Dalam penemuan Senyawa Antibiotika Baru” pada seminar nasional “ Prospek Penemuan Antimikroba/ Antibiotika Baru” di Aula Al Jibra, UMI , Makasar pada tanggal 5 Juni 2016
Fakultas Farmasi UMI, Makasar
2016 Pemakalah dengan judul “Hubungan Kualitatif Uji in Vitro dan Uji In Siliko Antioksisan” pada Seminar Nasional Immunologi di Fakultas Farmasi UGM pada tanggal 2 Juni 2016
Fakultas Farmasi UGM
2016 Nara Sumber pada Workshop “Kimia Komputasi untuk Desain dan penemuan Obat” di Fakultas farmasi UGM pada tanggal 23-24 Mei
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
162 | Statistika Farmasi
2016
2015 Nara Sumber pada Workshop “Saintifikasi Antioksidan Menggunakan Molecular Docking PLANTS” di STF Muhammadiyah Tangerang pada 14 September 2015
STF Muhammadiyah Tangerang, Banten
2015 Presenter Oral Dengan Judul : “In Silico And In Vivo Qualitative Relationships Of Para-Aminophenol Analogues” pada International Conference on Pharmacy and Pharmaceutical Science 7-8 September 2015
Fakultas Farmasi UGM
2015 Pemakalah dengan judul : DESAIN MOLEKUL BORONHAFAGAMA SEBAGAI PEMBAWA RADIOAKTIF BORON UNTUK TERAPI KANKER PAYUDARA pada PITdan Seminar IAI di Bukittinggi pada 7-10 Mei 2015
IAI Sumatera Barat
2014 Pemakalah dengan Judul “DESIGN OF PARACETAMOL COMPETITOR MOLECULES AS SAFER AND MORE POTENT ANALGESIC AGENTS “ in The Medan International Conference on Advanced Pharmaceutical Sciences (MICAPS)2014 “Advanced Drug Development in Cancer Chemoprevention and Metabolic disorders” November 3-4 , 2014
IAI Medan dan ISCC
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 163
2014 Pemakalah dengan Judul : DESAIN MOLEKUL HPRR SEBAGAI ANTIMALARIA YANG LEBIH UNGGUL DIBANDING MEFLOKUIN
Pada Seminar Nasional Recent Up Date Pharmacy Prodi Pascasarjana Fakultas Farmasi UGM di MM UGM pada 20 Agustus 2014
Prodi Pascasarjana Fakultas Farmasi UGM
2014 Pemakalah dengan Judul : MEKANISME KERJA ANTIMALARIA ANDROGRAPOLIDADAN DESAIN MOLEKUL SINTETIK SEBAGAI INHIBITOR FALCIPAIN-3
(PENDEKATAN PENAMBATAN MOLEKUL )
Pada Seminar Nasional Recent Up Date Pharmacy Prodi Pascasarjana Fakultas Farmasi UGM di MM UGM pada 20 Agustus 2014
Prodi Pascasarjana Fakultas Farmasi UGM
2014 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat” pada STF Muhammadiyah Tangerang pada 20 April 2014
STF Muhammadiyah Tangerang, Banten
Hari Purnomo – Eka Siswanto
164 | Statistika Farmasi
2014 Pemakalah dengan Judul “DESAIN MOLEKUL MH2011, HPS32014A, HPS32014B, HPS32014C, HPS32014D, DAN HPS32014E SEBAGAI ANTIBIOTIKA YANG LEBIH POTEN DIBANDINGKAN KLOKSASILIN “ pada pada Kongres Nasional XIX dan kongres Ilmiah XX 2014 IAI, Jakarta 21-23 Februari 2014
IAI Pusat, Jakarta
2014 Pemakalah dengan Judul “DESAIN MOLEKUL HPS32014A, HPS32014B, HPS32014C, HPS32014D SEBAGAI ANALGETIKA YANG LEBIH POTEN DAN LEBIH AMAN DIBANDINGKAN PARASETAMOL’ pada Kongres Nasional XIX dan kongres Ilmiah XX 2014 IAI, Jakarta 21-23 Februari 2014
IAI Pusat Jakarta
2014 Reviewer pada seminar Nasional Kimia 2014 pada 24 Mei 2014
Keluarga Mahasiswa Kimia FMIPA UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 165
2013 Pemakalah dengan Judul “DESAIN MOLEKUL HP2013NF SEBAGAI ANALGETIKA YANG LEBIH POTEN DAN LEBIH AMAN DIBANDINGKAN ASETAMINOFEN “pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
Fakultas farmasi Universitas Andalas Padang
2013 Pemakalah dengan Judul “PEMANFAATAN ISATIN SEBAGAI SENYAWA ANALGETIK YANG LEBIH POTEN DIBANDINGKAN PARASETAMOL (PENDEKATAN PENAMBATAN MOLEKUL PLANTS) “pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
Fakultas farmasi Universitas Andalas Padang
2013 Pemakalah kedua dengan judul “DESAIN SENYAWA ANTIBIOTIK BARU HASIL PENGGABUNGAN ANTARA SEFALOSPORIN DENGAN MINYAK KAYU MANIS
“pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
Fakultas farmasi Universitas Andalas Padang
Hari Purnomo – Eka Siswanto
166 | Statistika Farmasi
2013 Pemakalah kedua dengan judul “DESAIN SENYAWA ANTIBIOTIK BARU HASIL PENGGABUNGAN ANTARA SEFALOSPORIN DENGAN MINYAK ATSIRI CENGKEH
“pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada tanggal 4-5 Oktober 2013
Fakultas Farmasi Universitas Andalas Padang
2013
Pemakalah dengan judul “HP2009 SATU MOLEKUL DENGAN TIGA AKTIFITAS FARMAKOLOGI : ANALGETIKA-ANTIBIOTIKA-ANTIHISTAMIN “ pada Seminar Nasional Peran Strategis Apoteker Dalam Jaminan Kesehatan Nasional, Yogyakarta pada tanggal 19 Oktober 2013
Program Pascasarjana Fakultas Farmasi UGM
2013 Pemakalah dengan judul “Drug Design of HP2013FN As Analgesic Better Than Acetaminophen Based on Molecular Docking” pada The 3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013),Yogyakarta 18–19 June. 2013
Fakultas Farmasi UGM
2013 Pemakalah dengan judul “Drug Design of HP2013MHS As
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 167
Potential Analgesic Compound Better Than Acetaminophen” pada The3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18–19 June. 2013
2013 Peneliti kedua makalah “Design of HP2013MT As a Potential Analgesic Compound Better than Acetaminophen” pada The3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
Fakultas Farmasi UGM
2013 Peneliti kedua makalah “Drug Design and In Silico Test of HP2013HK As an Analgesic Compound Which Better Than Acetaminophen” pada The 3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
Fakultas Farmasi UGM
2013 Nara Sumber pada Workshop Drafting Patent di Fakultas Farmasi UAD Yogyakarta 23 Januari 2013
Fakultas Farmasi UAD Yogyakarta
2012
Peneliti ke 2 makalah “Tea leaves extracted as anti-malaria based on moleculardocking PLANTS pada The 3rd
Kyoto, Japan.
Hari Purnomo – Eka Siswanto
168 | Statistika Farmasi
International Conference on Sustainable Future for Human Security SUSTAIN 2012
2012 Pemakalah dengan judul : MH2011 Kompetitor Parasetamol : Uji In vivo dan Uji In siliko, Seminar Nasional dan Talkshow Eksistensi Apoteker Farmasi Komunitas Di Era SJSN 2014, 20 Desember 2012, Yogyakarta- Indonesia
Program Pascasarjana, Fakultas Farmasi, UGM
2012 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking Pada 23 Nopember 2012
Fakultas Farmasi UGM
2012 Pemakalah dengan judul : “ MOLECULAR DOCKING PLANTS OF HP2009 TO PGP,EGFR,HER2,ER,GST,IKK AND COX-2” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah kedua dengan judul : “COMPUTATIONAL CHEMISTRY APPLICATIONS IN FORMULATION GLIPIZIDE AND CYCLODEXTRIN “pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 169
Medicine to Modern Life pada tanggal 13 -16 September 2012
2012 Pemakalah Pendamping dengan judul “ CITRUS FLAVONOIDS INCREASE THE CYTOTOXICITY OF DOXORUBICIN ON MCF-7 BREAST CANCER CELLS THROUGH SPECIFIC PROTEIN TARGET MARKERS” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “Na PGV-0, CURCUMIN ANALOGUE HAVING CHEMOPREVENTIVE ACTIVITY FOR CANCER: in silico STUDY ON CDKs, H-Ras MUTANT, β-actin, AND GST “pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “CYTOTOXIC AND APOPTOSIS INDUCTION OF NA PGV-0 AND K PGV-0, TWO POTENTIAL CURCUMIN ANALOGUES AS HEMOTHERAPEUTIC AGENT ON WIDR COLON CANCER CELL LINES” pada 24 th FAPA
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
Hari Purnomo – Eka Siswanto
170 | Statistika Farmasi
Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
2012 Pemakalah Kedua dengan judul “IN VIVO-DOCKING MOLECULAR RELATIONSHIP OF MH2011 COMPOUND AS ANALGESIC ACTIVITY” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “MOLECULAR MECHANISMOFACTIONA19, B19ANDC19AGAINST GRAM POSITIVE BACTERIA “ pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “ MOLECULAR DOCKING STUDIES OF A CHALCONE DERIVATIVECOMPOUND MPHC A WITH TYROSINE KINASE RECEPTORS” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 171
tanggal 13 -16 September 2012
2012 Pemakalah Pendamping dengan judul “ SYNTHESIS OF ANALGESIC COMPOUND MH2011 WHICH MORE POTEN THAN PARACETAMOL AS WELL AS HAVING LOWER SIDE EFFECT HEPATOTOXIC BASED ON DOCKING MOLECULAR PLANTS” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Utama dengan judul “DESIGN OF HP2012 COMPOUNDS AS ANALGESIC MORE POTENT THAN PARACETAMOL [MOLECULAR DOCKING APPROACH] “pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah pada International Conference Research And Application on Traditional, Complementary And Alternative Medicine In Health
UMS Surakarta
Hari Purnomo – Eka Siswanto
172 | Statistika Farmasi
Care,Surakarta.,22-23 Juni 2012
2012 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking pada 19 Maret 2012
Fakultas Farmasi UGM
2012 Pemakalah padaSeminar Nasional Kimia 2012
UNNESA, Surabaya
2011 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking pada 10-11 Juni 2011
Fakultas Farmasi UGM
2011 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking pada 14-15 Maret 2011
Fakultas Farmasi UGM
2010
Pemakalah pada Seminar Nasional “Eight Star Performance Pharmacist” [Yogyakarta,27 Desember 2010]
Program Pascasarjana Fakultas Farmasi UGM
2009 Pemakalah pada Kongres Nasional ISFI XVIII- Kongres Ilmiah ISFI XVII, ISFI, Jakarta, 7-9 Des 2009
ISFI PUSAT JAKARTA
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 173
J. PESERTA KONFERENSI / SEMINAR / LOKAKARYA / SIMPOSIUM
Tahun Judul Kegiatan Penyelenggara
2016
Peserta Workshop XRD, HPLC dan NMR pada Workshop Himpunan Kimia bahan Alam Indonesia ke XXIV pada tanggal 17-19 Oktober 2016 di UII, Yogyakarta
HKBAI
2016 Peserta Simposium Nasional Himpunan Kimia bahan Alam Indonesia ke XXIV pada tanggal 17-19 Oktober 2016 di UII, Yogyakarta
HKBAI
2016 Peserta Seminar Nasional IAI dengan judul ”Studi Densitas Elektron Inti Korinoid Pada Sianokobalamina Pendekatan Komputasional Semi Empiris PM3 ”pada tanggal 27-29 September 2016 di Yogyakarta
Panitia IAI Pusat
2016 Peserta Seminar nasional “ Prospek Industri Farmasi Indonesia, pada 16 Januari 2016, University Club UGM, Yogyakarta
Fakultas Farmasi UGM
2015 Nara Sumber pada Workshop “Saintifikasi Antioksidan Menggunakan Molecular Docking PLANTS” pada STF Muhammadiyah Tangerang pada 14 September 2015
STF Muhammadiyah Tangerang, Banten
Hari Purnomo – Eka Siswanto
174 | Statistika Farmasi
2015 Presenter Oral Dengan Judul : “In Silico And In Vivo Qualitative Relationships Of Para-Aminophenol Analogues” pada International Conference on Pharmacy and Pharmaceutical Science 7-8 September 2015
Fakultas Farmasi UGM
2015 Pemakalah dengan judul : DESAIN MOLEKUL BORONHAFAGAMA SEBAGAI PEMBAWA RADIOAKTIF BORON UNTUK TERAPI KANKER PAYUDARA pada PITdan Seminar IAI di Bukittinggi pada 7-10 Mei 2015
IAI Sumatera Barat
2014 Peserta Open lecturer on Development of Boron Carrying Pharmaceutical For BNCT held on November 25 th, 2014 at Faculty of Pharmacy, UGM yogyakarta
Fakultas Farmasi UGM
2014 Peserta Open lecturer on Supramoleculae Science held on October 31 st,2014 2014 at Faculty of Pharmacy, UGM yogyakarta
Fakultas Farmasi UGM
2014 Pemakalah dengan Judul “DESIGN OF PARACETAMOL COMPETITOR MOLECULES AS SAFER AND MORE POTENT ANALGESIC AGENTS “ in The Medan International Conference on Advanced Pharmaceutical Sciences (MICAPS)2014 “Advanced Drug Development in Cancer Chemoprevention and Metabolic disorders” November 3-4 , 2014
IAI Medan dan ISCC
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 175
2014 Pemakalah dengan Judul : DESAIN MOLEKUL HPRR SEBAGAI ANTIMALARIA YANG LEBIH UNGGUL DIBANDING MEFLOKUIN Pada Seminar Nasional Recent Up Date Pharmacy Prodi Pascasarjana Fakultas Farmasi UGM di MM UGM pada 20 Agustus 2014
Prodi Pascasarjana Fakultas Farmasi UGM
2014 Pemakalah dengan Judul : MEKANISME KERJA ANTIMALARIA ANDROGRAPOLIDADAN DESAIN MOLEKUL SINTETIK SEBAGAI INHIBITOR FALCIPAIN-3 (PENDEKATAN PENAMBATAN MOLEKUL ) Pada Seminar Nasional Recent Up Date Pharmacy Prodi Pascasarjana Fakultas Farmasi UGM di MM UGM pada 20 Agustus 2014
Prodi Pascasarjana Fakultas Farmasi UGM
2014 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat pada STF Muhammadiyah Tangerang pada 20 April 2014
STF Muhammadiyah Tangerang, Banten
2014 Pemakalah dengan Judul “DESAIN MOLEKUL MH2011, HPS32014A, HPS32014B, HPS32014C, HPS32014D, DAN HPS32014E SEBAGAI ANTIBIOTIKA YANG LEBIH POTEN DIBANDINGKAN KLOKSASILIN “ pada pada Kongres Nasional XIX dan kongres Ilmiah XX 2014 IAI, Jakarta 21-23 Februari 2014
IAI Pusat Jakarta
Hari Purnomo – Eka Siswanto
176 | Statistika Farmasi
2014 Pemakalah dengan Judul “DESAIN MOLEKUL HPS32014A, HPS32014B, HPS32014C, HPS32014D SEBAGAI ANALGETIKA YANG LEBIH POTEN DAN LEBIH AMAN DIBANDINGKAN PARASETAMOL’ pada Kongres Nasional XIX dan kongres Ilmiah XX 2014 IAI, Jakarta 21-23 Februari 2014
IAI Pusat, Jakarta
2014 Reviewer pada seminar Nasional Kimia 2014 pada 24 Mei 2014
Keluarga Mahasiswa Kimia FMIPA UGM
2013 Pemakalah dengan Judul “DESAIN MOLEKUL HP2013NF SEBAGAI ANALGETIKA YANG LEBIH POTEN DAN LEBIH AMAN DIBANDINGKAN ASETAMINOFEN
“pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
Fakultas farmasi Universitas Andalas Padang
2013 Pemakalah dengan Judul “PEMANFAATAN ISATIN SEBAGAI SENYAWA ANALGETIK
YANG LEBIH POTEN DIBANDINGKAN PARASETAMOL
(PENDEKATAN PENAMBATAN
Fakultas farmasi Universitas Andalas Padang
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 177
MOLEKUL PLANTS)
“pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
2013 Pemakalah kedua dengan judul “DESAIN SENYAWA ANTIBIOTIK BARU HASIL PENGGABUNGAN ANTARA SEFALOSPORIN DENGAN MINYAK KAYU MANIS
“pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
Fakultas farmasi Universitas Andalas Padang
2013 Pemakalah kedua dengan judul “DESAIN SENYAWA ANTIBIOTIK BARU HASIL PENGGABUNGAN ANTARA SEFALOSPORIN DENGAN MINYAK ATSIRI CENGKEH
“pada Seminar Nasional di Fakultasi Farmasi Universitas Andalas Padang pada Tanggal 4-5 Oktober 2013
Fakultas Farmasi Universitas Andalas Padang
2013
Pemakalah dengan judul “HP2009 SATU MOLEKUL DENGAN TIGA AKTIFITAS FARMAKOLOGI
: ANALGETIKA-ANTIBIOTIKA-
Program Pascasarjana Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
178 | Statistika Farmasi
ANTIHISTAMIN “ pada Seminar Nasional Peran Strategis Apoteker Dalam Jaminan Kesehatan Nasional, Yogyakarta pada tanggal 19 Oktober 2013
2013 Pemakalah dengan judul “Drug Design of HP2013FN As Analgesic Better Than Acetaminophen Based on Molecular Docking” pada The 3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
Fakultas Farmasi UGM
2013 Pemakalah dengan judul “Drug Design of HP2013MHS As Potential Analgesic Compound Better Than Acetaminophen” pada The3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
Fakultas Farmasi UGM
2013 Peneliti kedua makalah “Design of HP2013MT As a Potential Analgesic Compound Better than Acetaminophen” pada The3rd International Conference on
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 179
Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
2013 Peneliti kedua makalah “Drug Design and In Silico Test of HP2013HK As an Analgesic Compound Which Better Than Acetaminophen” pada The 3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
Fakultas Farmasi UGM
2013
Peneliti kedua makalah “Drug Design and In Silico Test of HP2013HK As an Analgesic Compound Which Better Than Acetaminophen” pada The 3rd International Conference on Pharmacy and Advanced Pharmaceutical Sciences (ICPAPS 2013), Yogyakarta 18 – 19 June. 2013
Kyoto, Japan.
2012 Peneliti ke 2 makalah “Tea leaves extracted as anti-malaria based on moleculardocking PLANTS pada The 3rd International Conference on Sustainable Future for Human Security
Program Pascasarjana, Fakultas Farmasi, UGM
Hari Purnomo – Eka Siswanto
180 | Statistika Farmasi
SUSTAIN 2012 2012 Pemakalah dengan judul :
MH2011 Kompetitor Parasetamol : Uji In vivo dan Uji In siliko, Seminar Nasional dan Talkshow Eksistensi Apoteker Farmasi Komunitas Di Era SJSN 2014, 20 Desember 2012, Yogyakarta- Indonesia
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah dengan judul : “ MOLECULAR DOCKING PLANTS OF HP2009 TO PGP,EGFR,HER2,ER,GST,IKK AND COX-2” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah kedua dengan judul : “COMPUTATIONAL CHEMISTRY APPLICATIONS IN FORMULATION GLIPIZIDE AND CYCLODEXTRIN “pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “ CITRUS FLAVONOIDS INCREASE THE CYTOTOXICITY OF DOXORUBICIN ON MCF-7 BREAST CANCER CELLS THROUGH SPECIFIC PROTEIN TARGET MARKERS” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 181
Medicine to Modern Life pada tanggal 13 -16 September 2012
2012 Pemakalah Pendamping dengan judul “Na PGV-0, CURCUMIN ANALOGUE HAVING CHEMOPREVENTIVE ACTIVITY FOR CANCER: in silico STUDY ON CDKs, H-Ras MUTANT, β-actin, AND GST “pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “CYTOTOXIC AND APOPTOSIS INDUCTION OF NA PGV-0 AND K PGV-0, TWO POTENTIAL CURCUMIN ANALOGUES AS HEMOTHERAPEUTIC AGENT ON WIDR COLON CANCER CELL LINES” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Kedua dengan judul “IN VIVO-DOCKING MOLECULAR RELATIONSHIP OF MH2011 COMPOUND AS ANALGESIC ACTIVITY” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
Hari Purnomo – Eka Siswanto
182 | Statistika Farmasi
2012 Pemakalah Pendamping dengan judul “MOLECULARMECHANISMOFACTIONA19, B19ANDC19AGAINST GRAM POSITIVE BACTERIA “ pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “ MOLECULAR DOCKING STUDIES OF A CHALCONE DERIVATIVECOMPOUND MPHC A WITH TYROSINE KINASE RECEPTORS” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Pendamping dengan judul “ SYNTHESIS OF ANALGESIC COMPOUND MH2011 WHICH MORE POTEN THAN PARACETAMOL AS WELL AS HAVING LOWER SIDE EFFECT HEPATOTOXIC BASED ON DOCKING MOLECULAR PLANTS” pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
IAI ,Jakarta-FAPA, Bali ISBN : 978-979-18514-9-7
2012 Pemakalah Utama dengan judul “DESIGN OF HP2012 COMPOUNDS AS ANALGESIC
Program Pascasarjana Fakultas
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 183
MORE POTENT THAN PARACETAMOL [MOLECULAR DOCKING APPROACH] “pada 24 th FAPA Congres 2012“CULTURE & MEDICINE”Bringing Traditional Medicine to Modern Life pada tanggal 13 -16 September 2012
Farmasi UGM
2012 Seminar Nasional Herbal untuk terapi Kanker: Perkembangan Terkini dan Prospek, 3 Juli 2012
Fakultas Farmasi UGM
2012 Seminar deseminasi Hasil Penelitian Herbal, 2 Juli 2012
UMS Surakarta
2012 International Conference Research And Application on Traditional, Complementary And Alternative Medicine In Health Care,Surakarta.,22-23 Juni 2012
UNNESA, Surabaya
2012 Seminar Nasional Kimia 2012 UNS, Surakarta 2011 Seminar Nasional Kimia dan
Workshop Instrumentasi Kimia 7-8 Okt 2011
Program Pascasarjana, Fak.Farmasi UGM
2011 Seminar Nasional Pascasarjana Farmasi UGM 5 Des 2011
Fakultas Farmasi UGM IMHERE
2011 Seminar Diseminasi hasil penelitian herbal medicine. Yogyakarta 26 Sept 2011
Fakultas Farmasi UGM
2011 Seminar InternasionalThe 2nd International Conference on Pharmacy and Advanced Pharmaceutical Sciences Yogyakarta, 19-20 July 2011
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
184 | Statistika Farmasi
2011
Seminar Nasional Nutrasetikal: Manfaat, Keamanan dan Prospek Pengembangannya. Yogyakarta 25 Juni 2011
Fakultas Farmasi UGM
2011 Seminar Nano Teknologi: Aplikasi Nano Teknologi Di Bidang Farmasi dan Kesehatan , Yogyakarta 7 Juni 2011
Fakultas Farmasi UGM
2011
Seminar Diseminasi Hasil penelitian: Database Senyawa Tumbuhan Obat Indonesia dan Peran Komputasi Kinerja Tinggi dalam Penelitian Terkait dengan Kanker, Yogyakarta , 6 Juni 2011
Program Pascasarjana Fakultas Farmasi UGM
2010 Seminar Nasional “Eight Star Performance Pharmacist” [Yogyakarta,27 Desember 2010]
Majalah Obat Tradisional Fakultas Farmasi UGM
2010 Lokakarya Penulisan Naskah Publikasi Ilmiah Jurnal Berkualitas Nasional/ Internasional [Yogyakarta, 13-14 Oktober 2010]
Fakultas Farmasi UGM,DAAD,ISCC,NAIST
2010 The International Seminar on Chemoprevention For Halth Promotion and Beauty{Yogyakarta, October 9 th, 2010]
Fakultas Farmasi UGM
2010
Seminar Nasional “ Peran apoteker dalam Pelayanan Kosmesetika dalam rangka Purna Tugas Dra. Siti Sundari, S.U., Apt. Yogyakarta ,25 September 2010
Fakultas Farmasi UGM
2010 Seminar Nasional Diabetes Melitus Diitinjau dari Aspek Biokimia, Farmakologi dan Klinis, Yogyakarta, 31 maret 2010
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 185
2010 Seminar Nasional ‘PP No.51 tahun 2009 ‘ Peluang Emas Apoteker Indonesia, Yogyakarta, 9 Januari 2010
ISFI PUSAT JAKARTA
2009 Kongres Nasional ISFI XVIII- Kongres Ilmiah ISFI XVII, ISFI, Jakarta, 7-9 Des 2009. [Pemakalah]
Faculty of Pharmacy UGM
2009 Internationbal Seminar Global prospect of Safety and Halal Product Analysis, 185ogyakarta , October 19 th 2009
Fakultas Farmasi UGM
2009 The International Seminar on Advanced Pharmacy and Pharmaceutical Sciences, Faculty of Pharmacy UGM,Yogyakarta, Indonesia, October 5-6, 2009 [Pemakalah]
Fakultas Farmasi UGM
2009
Seminar nasional “ Peluang & Tantangan Implementasi Produk Herbal di Masa Depan “
Faculty of Pharmacy Gadjah Mada University
2008 New Trens in Pharmaceutical Technology
Faculty of Pharmacy Gadjah Mada University
2008 ACPS Workshop on Computational Drug Design & Discovery
Faculty of Pharmacy Gadjah Mada University
Hari Purnomo – Eka Siswanto
186 | Statistika Farmasi
2008 The International Symposium on Molecular Targeted Therapy
Fakultas Farmasi UGM
2007
Seminar Apotek Rakyat : Solusi atau Kontroversi Dalam Praktek Kefarmasian
Fakultas Farmasi UGM
2007 Temu Ilmiah Nasional II Bidang Farmakologi & Farmasi Klinik
Fakultas Farmasi UGM
2007
Seminar Sumbangan farmasi Menuju Hari Tua yang Tetap Sehat
Fakultas Farmasi UGM
2006
Seminar Nasional Strategi Pengembangan Industri Farmasi di Indonesia
Fakultas Farmasi UGM
2006 Penguatan Profesionalisme Farmasis Berbasis Kompetisi Dalam pelayanan Kesehatan Masyarakat
Fakultas Farmasi UGM
2006 The International Symposium the Recent Progress in Curcumin Research
Faculty of Pharmacy
Gadjah Mada University
2005 Penerapan Pharmaceutical Care Dalam Praktek
Fakultas Farmasi UGM
2005 Simposium & Seminar Pengembangan Obat Tradisional Indonesia
Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 187
K. KEGIATAN PROFESIONAL / PENGABDIAN KEPADA MASYARAKAT
Tahun Kegiatan
2017 Nara Sumber pada Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada mahasiswa/i FMIPA Jurusan Farmasi Universitas Udayana, Bali pada tanggal 20 Januari 2017
2016 Nara Sumber pada Kuliah Tamu “ kimia Medisinal : penemuan, desain dan Pengembangan Obat di FMIPA Jurusan Farmasi Universitas Garut, Garut, jawa barat pada 26 Nop 2016
2016 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat di FMIPA Jurusan Farmasi Universitas Garut, Garut, jawa barat pada 26 Nop 2016
2016 Nara Sumber pada Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/i SMK K Avicena , Bogor pada tanggal 16 Nop 2016
2016 Nara Sumber pada Gama Expo 2016 di Grha Sabha Pramana dalam Kegiatan Dies Natalis UGM ke 67
2016 Nara Sumber “Teknik Desain Molekul Dalam penemuan Senyawa Antibiotika Baru” pada seminar nasional “ Prospek Penemuan Antimikroba/ Antibiotika Baru” di Aula Al Jibra, UMI , Makasar pada tanggal 5 Juni 2016
Hari Purnomo – Eka Siswanto
188 | Statistika Farmasi
2016 Nara Sumber pada Workshop “Kimia Komputasi untuk Desain dan penemuan Obat” di Fakultas farmasi UGM pada tanggal 23-24 Mei 2016
2016 Nara Sumber pada Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/i SMAN 2 Kediri pada tanggal 25 April 2016
2016 Nara Sumber pada Pelatihan Kefarmasian Bagi Mahasiswa Program DIII Farmasi STIKES Andini Persada Mamuju Sulawesi Barat pada 28 Maret-8 April 2016 di Fakultas Farmasi UGM , Yogyakarta
2016 Nara Sumber pada Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada mahasiswa/i D3 Farmasi Poltekes NAD, Aceh pada tanggal 4 Maret 2016
2016 Nara Sumber pada Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/i SMAN 2 Bogor pada tanggal 18 Januari 2016
2015/2016 Mengajar Kimia Komputasi Pada Program Pascasarjana Universitas Ahmad Dahlan pada Semester Gasal 2015/2016
2015 Nara Sumber pada Workshop “Saintifikasi Antioksidan Menggunakan Molecular Docking PLANTS” pada STF Muhammadiyah Tangerang pada 14 September 2015
2014/2015 Mengajar Kimia Komputasi Pada Program Pascasarjana Universitas Ahmad Dahlan pada Semester Genap 2014/2015
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 189
2014/2015 Dosen Jaga UGM EXPO 2014 dari tanggal 17-21 November 2014 di Gra Sabha Pramama Universitas Gadjah Mada
2014/2015 Memberi Kuliah Kimia Medisinal di Fakultas Farmasi USB, Surakarta
[Semester Gasal 2014-2015]]
2014/2015 Mengajar Kimia Komputasi Pada Program Pascasarjana Universitas Ahmad Dahlan pada Semester Gasal 2014/2015
2014 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat pada STF Muhammadiyah Tangerang pada 20 April 2014
2014 Pengawas Satuan Pendidikan UNAS SMA/MA/SMK Tahun Ajaran 2013-2014 di SMK BINA HARAPAN , Jln. Kaliurang Km 10 , Sleman , DIY pada 14,15,16 April 2014
2014 Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/i SMAN 3 Bogor pada tanggal 27 Pebruari 2014
2013 Mengajar Kimia Komputasi Pada Program Pascasarjana Universitas Ahmad Dahlan pada Semester Gasal 2013/2014
2013 Memberi Kuliah Kimia Medisinal di Fakultas Farmasi USB, Surakarta
[Semester Gasal 2013-2014]]
2013 Auditor Internal AMI Prodi S2 Biologi Fakultas Biologi UGM, 16 dan 18 Juli 2013
Hari Purnomo – Eka Siswanto
190 | Statistika Farmasi
2013 Penanggung Jawab Ruang Ujian Tulis SBMPTN-UGM 2013 pada 18 -19 Juni 2013 di Fakultas Farmasi UGM
2013 Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/I SMAN 83 Jakarta pada tanggal 3 Juli 2013
2013 Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada mhs/mhsi POLTEKKES ACEH pada tanggal 24 Mei 2013
2013 Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/iSMAN Banda Aceh pada tanggal 22 Pebruari 2013
2013 Sosialisasi mengenai Program Studi Farmasi Fakultas Farmasi UGM kepada siswa/i SMAN Tangerang selatan pada tanggal 13 Pebruari 2013
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 191
L. PENGHARGAAN/PIAGAM
Tahun Bentuk Penghargaan Pemberi
2015 Inovator salah satu dari “107 INDONESIA INNOVATIONS PROSPEKTIF-2015”Pada 11 Agustus 2015
Kepala Pusat inovasi LIPI- Direktur Eksekutif BIC
Hari Purnomo – Eka Siswanto
192 | Statistika Farmasi
2014 Inovator salah satu dari “106 INNOVATIONS INDONESIA PROSPEKTIF-2014” (Ranking 5 dari 106 Inovasi Indonesia 2014) PADA 11 Agustus 2014
Menristek RI
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 193
2012
Insan Berprestasi UGM 2012 (Proposal Inovatif Potensial Paten Terbaik)
UGM
Hari Purnomo – Eka Siswanto
194 | Statistika Farmasi
2010
Presenter Terbaik II Bidang Farmasi Sain dan Industri dengan judul : “Analisis Mekanisme Kerja in Siliko Senyawa HP2009 [1,3 bis (para-hidroksifenil)urea: Docking HP2009 Terhadap COX-1 dan COX-2 dengan PLANTS”
Panitia Seminar Nasional Eight Star Performance Pharmacist Program Pascasarjana Fakultas Farmasi UGM
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 195
2010
Insan Berprestasi UGM 2010 (Proposal Inovatif Potensial Paten Terbaik)
UGM
Hari Purnomo – Eka Siswanto
196 | Statistika Farmasi
2009
Insan Berprestasi UGM 2009 ( Proposal Inovatif Potensial Paten Terbaik )
UGM
M. ORGANISASI PROFESI/ILMIAH
Tahun Organisasi Jabatan
2013 sd Sekarang
PERAKMI (Perhimpunan Ahli Kimia
Medisinal Indonesia)
Anggota
2010 sd Sekarang
ISCC ( Indonesian Society Cancer
Chemoprevention)
Anggota
2010 Sd Sekarang
IAI ( Ikatan Apoteker Indonesia) Anggota
1986 Sd 2009
ISFI( Ikatan Sarjana Farmasi Indonesia )
Anggota
2001 sd 2004
IKAFI ( Ikatan Ahli Farmakologi Indonesia )
Pengurus Cabang Padang
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 197
https://www.facebook.com/hari.purnomo.31
https://www.linkedin.com/in/hari-purnomo-b4aa6240/
Saya menyatakan bahwa semua keterangan dalam Curriculum Vitae ini adalah benar
dan apabila terdapat kesalahan, saya bersedia mempertanggungjawabkannya.
Yogyakarta,25 April 2017
Yang menyatakan
Dr. Hari Purnomo, M.S., Apt.
Hari Purnomo – Eka Siswanto
198 | Statistika Farmasi
BIOGRAFI EKA SISWANTO
A. Identitas Diri
1. Nama Lengkap Eka Siswanto Syamsul, S.Farm, M.Sc,Apt
2. Jenis Kelamin Laki-laki 3. Jabatan Fungsional/
pangkat Lektor (300)/ III-d
4. NIK 067.DT 5. NIDN 1108038201 6. Tempat dan Tanggal
lahir Samarinda, 8 Maret 1982
7. E-mail [email protected] 8. Nomor Telepon/HP 085216355740 9. Kantor Akademi Farmasi Samarinda
Jl. A.W. Sjahranie No. 226 Samarinda 10. Mata Kuliah yang
Diampu Kimia Farmasi Farmakologi Analisis Intrumen Metodelogi Penelitian
11. Lain-lain Owner dan PSA Apotek Arie + Samarinda
B. Riwayat Pendidikan
S-1 Profesi S-2 Nama Perguruan Tinggi
Univ. Islam Inonesia
Universitas Indonesia
Universitas Gadjah Mada
Bidang ilmu Farmasi Apoteker Farmasi Lulus tahun 2004 2006 2012
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 199
C. Pengalaman Penelitian Dalam 5 Tahun Terakhir
No Tahun Judul
1. 2016
Wound healing activity of persea americana mill. leaves extract in mice, International Conference and Workshop on Pharmacy and Statistic (ICWPS) November 2016, Palu
2. 2016
Uji Toksisitas Akut Ekstrak Air Daun Kerehau (Callicarpa Longifolia Lam.) Terhadap Mencit Putih (Mus musculus), Seminar Nasional Kefarmasian, Universitas Mulawarman, Oktober 2016
3. 2016
Uji Efektivitas Antiinflamasi Ekstrak Etanol Daun Kerehau (Callicarpa longifolia l.) Pada Mencit Putih Jantan (Mus musculus), Seminar TOI ke-50 Universitas Mulawarman, April 2016
4. 2016
Uji Aktivitas Sari Biji Pepaya (Carica papaya L) Sebagai Biolarvasida Terhadap Larva Nyamuk (Aedes aegypti L). Disampaikan dalam Seminar Nasional Kesehatan Tahun 2014, ISBN: 078-602-70056-0-0, Akademi Farmasi Samarinda-PD IAI Kaltim, 16 Februari 2016
5. 2016
Pemanfaatan Ekstrak Herbal terhadap Produktivitas dan mutu Ayam Pedaging sebagai Upaya Ketahanan Pangan di Kalimantan Timur Berbasis Peternakan Ramah Lingkungan (Ditulis Dalam Jurnal Ilmiah Manuntung Akademi Farmasi Samarinda Vol.2 No.1 ISSN Elektronik 2477-1821 Edisi Mei 2016)
6. 2015
Uji Aktivitas Antiinflamasi Ekstrak Air Umbi Bawang Tiwai (Eleutherine Bulbosa (Mill) URD Pada Mencit Putih Jantan (Mus Musculus) (Ditulis Dalam Jurnal Ilmu Kesehatan STIKES Muhammadiyah Samarinda Vol.3 No.2 ISSN: 2355-8032, Edsi Desember 2015)
Hari Purnomo – Eka Siswanto
200 | Statistika Farmasi
7. 2015
Uji Toksisitas Akut Ekstrak Etanol Daun Kerehau (Callicarpa Longifalia Lam) Terhadap Mencit Putih (Ditulis Dalam Jurnal Ilmiah Manuntung Akademi Farmasi Samarinda Vol.1 No.2 ISSN 2443-115X Edisi Desember 2015)
8. 2015
Formulation of Effervescent Powder of Water Extract of Bawang Tiwai (Eleuterine palmifolia) As a Healthy Drink (Ditulis Dalam Tradisional Medical Journal Farmasi UGM. Vol.20 No.3 ISSN 1410-5918 Edisi September 2015)
9. 2015
Ethanolic Extract Formulation of Bawang Tiwai (Eleutherine americana) in Antiacne Cream) Ditulis Dalam Tradisional Medical Journal Farmasi UGM, Vol.20 No.3 ISSN 1410-5918 Edisi September 2015)
10. 2015
Uji Aktivitas Diuretik Ekstrak Terpurifikasi Herba Sambiloto Pada Mencit Putih Jantan (Ditulis Dalam Prosiding Rakernas dan PIT Ikatan Apoteker Indonesia, Bukit Tinggi Sumatera Barat, 2015)
11. 2015
Pengaruh Pemberian Serbuk Cangkang Kulit Telur (Eggyshell) Ayam Ras Layer Terhadap Efek Penyembuhan Luka Insisi Pada Kelinci Jantan (Orytolages spp) New Zealand (Disampaikan Pada Seminar Nasional Kefarmasian), Farmasi Universitas Mulawarman Oktober 2015
12. 2014
Uji Daya Analgetik Ekstrak Etanolik Daun Binahong (Andredera cordifolia (Ten) Steenis) Pada Mencit Putih (Mus musculus L) Jantan (Disampaikan pada Prosiding Seminar Nasional Kimia Tahun 2014, ISBN: 978-602-19421-0-9, Kimia Universitas Mulawarman)
13. 2014
Uji Aktivitas Perasan Buah Mentimun (Cucumis sativus L) Sebagai Biolarvasida Terhadap Larva Nyamuk Aedes aegypti L (Ditulis Dalam Jurnal Kimia Mulawarman Vol.11 No.2 ISSN 1693-5616 Edisi Mei 2014)
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 201
14. 2014
Formulation and Evoluation of Effervescent Granules Extract (Eleutherine palmifolia (L) Merr As a Healthy Drink (Disampaikan Dalam Medan International Conference on Advanced Pharmaceutical Science(MICAPS),ISBN: 978-602-1183-04-5, November 2014.
15. 2013
Pengembangan Kearifan Lokal Ekstrak Umbi Bawang Tiwai (Eleutherine Palmifolia (L), Merr) Dalam Bentuk Sediaan Granul Effervescent Sebagai Food Supplement, Laporan penelitian, Balitbangda Kaltim, 2013
16. 2013
Potensi Ekstrak Air Daun Pacar Cina (Alglaia odorata) Sebagai Biolarvasida Aedes aegypti (Disampaikan Dalam Prosiding Seminar Nasional Kimia ISBN 978-602-19421-0-9 Tahun 2013, ISBN: 978-602-19421-0-9, Kimia Universitas Mulawarman)
17. 2012
Aktivitas Antidiabetes Kombinasi Ekstrak Terpurifikasi Herba Sambiloto (Andrographis paniculata (Burm.f.) Ness.) dan Metformin pada Tikus DM Tipe 2 Resisten Insulin.Junal Majalah Obat Tradisional (MOT) UGM, 2012
18. 2012
Antidiabetic and antihiperlipidemic effect of Andrographis paniculata (Burm. f.) Nees and andrographolide in high-fructose-fat-fed rats, Indian Journal of Pharmacology, Volume : 44, Issue : 3, Page : 377-381, 2012
Hari Purnomo – Eka Siswanto
202 | Statistika Farmasi
D. Karya Buku dalam 5 Tahun Terakhir
No Judul Tahun
Jumlah Halaman Penerbit
1. Tumbuhan Obat Berkhasiat Afrodisiaka Penambah Vitalitas Pria
2011
105 ISBN: 978-602-99092-0-3 Penerbit Jogja Media Utama
E. Penghargaan yang diperoleh (dari pemerintah, asosiasi
atau institusi lainnya)
No Penghargaan Institusi Pemberi Penghargaan
Tahun
1.
Best Poster Presenter, International Seminar and Workshop Pharmacy and Statistic 2016
Universitas Tadulako Palu 2016
2. Wisudawan Cumlaude Program Magister Ilmu Kefarmasian UGM
Universitas Gadjah Mada 2012
3. Wisudawan Cumlaude Program S1 Farmasi Universitas Islam Indonesia 2004
Samarinda, 25 April 2017
Eka Siswanto, M.Sc,Apt
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 203
INDEKS
algoritma .........................................................................................211 analisa varian (anava) ........................................................... 60, 65, 68 asymptotic significance .................................... 72, 74, 75, 76, 79, 112 data interval ................................................................................ 13, 59 data kategorik ............................................................................. 13, 77 data kualitatif ........................................................................ 13, 20, 21 data kuantitatif ............................................................................ 13, 20 data nominal ....................................................... 13, 22, 27, 28, 60, 78 data ordinal ............................................................. 13, 22, 29, 73, 109 deviasi standar ............................................................................ 35, 36 eksperimental .......................................................... 9, 56, 57, 114, 117 error of varians ................................................................................. 57 independent sample t-test ................................................................. 60 inferensi .......................................... 10, 11, 12, 79, 117, 125, 130, 134 jangkauan .............................................................................. 11, 32, 35 koefesien varian ................................................................................ 35 label .................................................................................................. 26 mean .................................................. 10, 29, 32, 33, 34, 35, 36, 47, 88 median .................................................... 10, 32, 33, 34, 105, 109, 112 modus .............................................................................. 10, 32, 33, 34 multivariat ......................................................................................... 60 noneksperimental .............................................................................. 56 numeric ............................................................. 20, 21, 24, 25, 28, 118 paired t-test ....................................................................................... 62 populasi ...10, 11, 12, 16, 32, 59, 60, 61, 62, 63, 64, 65, 67, 68, 70, 72,
73, 74, 75, 76, 78, 85, 87, 88, 95, 96, 100, 101, 104, 105, 108, 109, 112, 114, 126, 130, 134
post hoc ....................................................................................... 66, 69 rasio ...................................................... 13, 21, 49, 59, 72, 74, 96, 105 repeated anava .................................................................................. 60 sampel10, 11, 12, 14, 16, 18, 32, 33, 34, 36, 50, 60, 62, 63, 64, 65, 66,
67, 68, 72, 73, 74, 75, 78, 79, 82, 83, 84, 85, 88, 92, 96, 101, 105, 109, 117, 118
Hari Purnomo – Eka Siswanto
204 | Statistika Farmasi
spss ..................................................................................................118 statistika deskriptif ...................................................................... 10, 32 statistika induktif .............................................................................. 10 statistika non parametrik ....................................................... 59, 60, 70 statistika parametrik .................................................................... 59, 60 tabel kontingensi .............................................................................113 type ......................................................................... 104, 111, 118, 162 uji t ................................................................ 11, 60, 61, 62, 66, 68, 69 ukuran pemusatan ....................................................................... 32, 33 ukuran penyebaran ................................................................ 32, 35, 36 valid ............................................................................................ 54, 57 varian ........................ 11, 35, 60, 61, 62, 65, 66, 67, 68, 69, 83, 84, 85 width ...............................................................................................211 wilcoxon test ...................................................................................211
f