undang-undang republik indonesia nomor 19 tahun 2012 … · a. pendahuluan statistika merupakan...

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.


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.

mailto:[email protected]�



Statistika Farmasi | v

HALAMAN PERSEMBAHAN

Untuk Rabb, Tuhan kami,

Semoga buku ini dapat menjadi amalan


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


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


viii | Statistika Farmasi

DAFTAR PUSTAKA .................................................. 131

LAMPIRAN ................................................................. 133

BIOGRAFI PENULIS ............................................... 138

Biografi Hari ................................................................ 138

Biografi Eka Siswanto ................................................. 198

INDEKS ....................................................................... 203


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


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



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



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



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



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



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 :



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



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



“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



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



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



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.



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.



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



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.



- 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



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.



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.



Selanjutnya klik OK. Kembali ke tampilan Data View,

klik menu View dan aktifkan value labels.




- Pada kolom Maesures. Data jenis kelamin merupakan

data nominal sehingga pilih opsi nominal.

3. Pengisian variabel tekanan darah



- 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 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.



- 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



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:



Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal (Bisa dilihat pada lampiran 1 buku ini).



BAB II

STATISTIKA DESKRIPTIF


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



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,



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.



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



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.



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.



BAB III

UJI VALIDITAS DAN REALIBILITAS


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



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



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



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



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:



Klik Ok…



Sehingga diperoleh pada variable view sebagai berikut:

Langkah uji Validitas



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.



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



Kemudian diperoleh output sebagai berikut:

Tabel diatas hanya untuk menjelaskan mean dan standar

deviasi, yaitu: 30,8667 dan 5,4629.



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



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



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



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



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:



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



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………………



BAB IV

RANCANGAN PENELITIAN


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



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.



Gambar 2. Algoritma penggunaan metode statistika pada

kebanyakan data-data penelitian farmasi



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



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



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.



- 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).



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 Wilcoxon.

Perumusan hipotesis

H0 : Kedua rata-rata populasi adalah identik

H1 : Kedua rata-rata populasi adalah tidak identik

Pengambilan keputusan



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





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 :


H0 : Rata-rata sampel berbeda bermakna dengan nilai

pembanding

H1 : Rata-rata sampel tidak berbeda bermakna dengan nilai

pembanding




Pada output SPSS (One samples test), check harga sig





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).


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



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.


H0 : varian dari sampel-sampel adalah identik

H1 : varian dari sampel-sampel adalah tidak identik


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.



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.


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)




Pada output SPSS (ANOVA), check kolom sig (significance),

harganya dibandingkan dengan nilai α (0,05) kemudian dibuat

suatu kesimpulan.



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).



2. Apabila distribusi data normal, 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 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.


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)






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



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



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




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)


2. Wilcoxon test


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,


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)





(asymptotic significance) dua sisi (two tailed) atau Exact sig.

(1-tailed sig), harganya dibandingkan dengan nilai α (0,05)


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




H0 : Distibusi semua populasi adalah identik (sama)

H1 : Paling sedikit satu populasi menunjukkan nilai-nilai

yang berbeda dibandingkan lainnya




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


parametrik, dengan fungsi menguji perbedaan bermakna

beberapa sampel dari populasi (> 2 populasi) yang

berhubungan (dependent). Data yang digunakan minimal

ordinal.













kesimpulan.



Gambar 3. Algoritma penggunaan metode statistika untuk data

kategorik (nominal dan orpada kebanyakan data-data penelitian

farmasidinal)



5. Binomial test


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.













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:



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



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:



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



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



d. Muncul Output seperti berikut

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) 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)



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



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.



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



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



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



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



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



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



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



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



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.



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



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



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



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)



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



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



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.



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



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



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



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



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



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



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



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



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.



BAB V

TABEL KONTINGENSI


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)



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:



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)


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).



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)


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.



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.



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



Keterangan pada Values untuk merokok dan hipertensi: 1: ya, 2: tidak

Layar akan menampilkan:

Kemudian lihatlah data view, akan terlihat tampilan sebagai berikut:



2. Lakukan pembobotan pada variable kategorik, caranya klik Data > Weight Class..



Klik pada Weight Cases by masukkan variable pembobotannya (dalam kasus ini data) ke Frequency Variable > OK



3. Klik Analyze > Deskriptive> Statistics> Crosstab…..



Masukkan variable: Row (s): Merokok, Column(s) : Hipertensi

Klik Statistic… Berilah tanda √ pada (√Chi square dan √Risk)



Klik Continue… Klik Cells…Beri tanda √pada: (√Observed dan √Expected)

Klik Continue…OK



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.



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



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.



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



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:



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


- 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

Ada perbedaan yang signifikan antara pemotongan tali pusar antara yang tak steril dibandingkan dengan yang steril terhadap kematian neonatus.


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



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.


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:



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:



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


- Jika probabilitas > 0,05; maka H0 diterima. - Jika probabilitas < 0,05; maka H0 ditolak.



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.


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



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.


penggunaan aspirin dengan pembentukan thrombus.



LATIHAN SOAL

Dari hasil penelitian didapatkan kadar glukosa darah pada hari ke-0, ke-50 dan ke-55 sebagai berikut ini:



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?



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.

http://teorionline.net/reliabilitas-instrumen/�



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.



Lampiran 1

Tabel Distribusi Normal Terbakukan



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



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



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



Lampiran 3 Tabel Nilai Kritis untuk Distribusi Uji Chi-Kuadrat (satu sisi)



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



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]

[email protected]

https://scholar.google.co.id/citations?view_op=list_works&hl=en&user=KHWnpwMAAAAJ&gmla=AJsN-F5HC3h4PxETj1DeCus5BFbULThFgmdGoZ4b-k5H5naXkcnXBAFb86tEc-uKep5lud0mZqkTEBpYDO38hRfClZmHVD2578AsppxuvuRwe58uvXGGJ2EEs2aD-1evt4Rfmr5Tu4va

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�

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�



https://scholar.google.co.id/citations?view_op=list_works&hl=en&user=KHWnpwMAAAAJ&gmla=AJsN-F5HC3h4PxETj1DeCus5BFbULThFgmdGoZ4b-k5H5naXkcnXBAFb86tEc-uKep5lud0mZqkTEBpYDO38hRfClZmHVD2578AsppxuvuRwe58uvXGGJ2EEs2aD-1evt4Rfmr5Tu4va�








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



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]


2011

Workshop Molecular Biology on Cancer =Bioinformatika Blast= [Yogyakarta 13 Maret 2011]


2011

Workshop Molecular Biology on Cancer =Elektroforesis dan western Blot= [Yogyakarta 11-12 Maret 2011]


2011

Workshop Molecular Biology on Cancer =Cell Culture= [Yogyakarta 3-5 Maret 2011]




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



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


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

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



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



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



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)



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)



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)


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)



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,-)



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


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


LPPM UGM ( Rp. 51.250.000,-)



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

http://jifi.ffup.org/wp-content/uploads/2016/09/33-37_HARI-PURNOMO.pdf�

http://jifi.ffup.org/wp-content/uploads/2016/09/33-37_HARI-PURNOMO.pdf�



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

http://indonesianjpharm.farmasi.ugm.ac.id/index.php/3/article/viewFile/1064/775�

http://indonesianjpharm.farmasi.ugm.ac.id/index.php/3/article/viewFile/1064/775�

http://ijpcr.com/volume8issue5suppl1/�

http://dx.doi.org/10.4172/2155-9910.1000158�



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&currentissue=3

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.719.2921&rep=rep1&type=pdf�

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.719.2921&rep=rep1&type=pdf�

http://www.bioinformation.net/009/97320630009383.pdf�

http://www.bioinformation.net/009/97320630009383.htm�

http://www.sciencedirect.com/science/article/pii/S1878029613000303�

http://www.sciencedirect.com/science/article/pii/S1878029613000303�

http://www.multidisciplinarywulfenia.org/auto/index.php/archive/part/20/3/3/?currentVol=20&currentissue=3�

http://www.multidisciplinarywulfenia.org/auto/index.php/archive/part/20/3/3/?currentVol=20&currentissue=3�



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.

http://mot.farmasi.ugm.ac.id/files/1718-2-2013-03-INTERACTION%20BETWEEN%20ACTIVE%20COMPOUNDS.pdf�



http://journals.indexcopernicus.com/issue.php?id=11360&id_issue=858917�

http://journals.indexcopernicus.com/issue.php?id=11360&id_issue=858917�



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.



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

https://www.lap-publishing.com/catalog/details/store/gb/book/978-3-659-68672-6/design-of-paracetamol-competitor-molecules-as-analgesic-agents�






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.



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.



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,



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


2016 Nara Sumber pada Workshop “Kimia Komputasi untuk Desain dan penemuan Obat” di Fakultas farmasi UGM pada tanggal 23-24 Mei




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


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



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


2014 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat” pada STF Muhammadiyah Tangerang pada 20 April 2014




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



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


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




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


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

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


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


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.



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


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

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


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


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

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


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


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

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


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


2012 Pemakalah pada International Conference Research And Application on Traditional, Complementary And Alternative Medicine In Health

UMS Surakarta



Care,Surakarta.,22-23 Juni 2012

2012 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking pada 19 Maret 2012


2012 Pemakalah padaSeminar Nasional Kimia 2012

UNNESA, Surabaya

2011 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking pada 10-11 Juni 2011


2011 Nara Sumber pada Workshop Molecular Biology on Cancer : Molecular Docking pada 14-15 Maret 2011


2010

Pemakalah pada Seminar Nasional “Eight Star Performance Pharmacist” [Yogyakarta,27 Desember 2010]


2009 Pemakalah pada Kongres Nasional ISFI XVIII- Kongres Ilmiah ISFI XVII, ISFI, Jakarta, 7-9 Des 2009

ISFI PUSAT JAKARTA



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


2015 Nara Sumber pada Workshop “Saintifikasi Antioksidan Menggunakan Molecular Docking PLANTS” pada STF Muhammadiyah Tangerang pada 14 September 2015




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


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


2014 Peserta Open lecturer on Supramoleculae Science held on October 31 st,2014 2014 at Faculty of Pharmacy, UGM yogyakarta


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



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


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


2014 Nara Sumber pada Workshop “Molecular Docking Sebagai Cara Cepat Penemuan Obat pada STF Muhammadiyah Tangerang pada 20 April 2014


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

2013 Pemakalah dengan Judul “DESAIN MOLEKUL HP2013NF SEBAGAI ANALGETIKA YANG LEBIH POTEN DAN LEBIH AMAN DIBANDINGKAN ASETAMINOFEN



2013 Pemakalah dengan Judul “PEMANFAATAN ISATIN SEBAGAI SENYAWA ANALGETIK

YANG LEBIH POTEN DIBANDINGKAN PARASETAMOL

(PENDEKATAN PENAMBATAN




MOLEKUL PLANTS)


2013 Pemakalah kedua dengan judul “DESAIN SENYAWA ANTIBIOTIK BARU HASIL PENGGABUNGAN ANTARA SEFALOSPORIN DENGAN MINYAK KAYU MANIS



2013 Pemakalah kedua dengan judul “DESAIN SENYAWA ANTIBIOTIK BARU HASIL PENGGABUNGAN ANTARA SEFALOSPORIN DENGAN MINYAK ATSIRI CENGKEH


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

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


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


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

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


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



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


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


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


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

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


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


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




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


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


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


2012 Pemakalah Utama dengan judul “DESIGN OF HP2012 COMPOUNDS AS ANALGESIC

Program Pascasarjana Fakultas



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


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


2011 Seminar InternasionalThe 2nd International Conference on Pharmacy and Advanced Pharmaceutical Sciences Yogyakarta, 19-20 July 2011




2011

Seminar Nasional Nutrasetikal: Manfaat, Keamanan dan Prospek Pengembangannya. Yogyakarta 25 Juni 2011


2011 Seminar Nano Teknologi: Aplikasi Nano Teknologi Di Bidang Farmasi dan Kesehatan , Yogyakarta 7 Juni 2011


2011

Seminar Diseminasi Hasil penelitian: Database Senyawa Tumbuhan Obat Indonesia dan Peran Komputasi Kinerja Tinggi dalam Penelitian Terkait dengan Kanker, Yogyakarta , 6 Juni 2011


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]


2010

Seminar Nasional “ Peran apoteker dalam Pelayanan Kosmesetika dalam rangka Purna Tugas Dra. Siti Sundari, S.U., Apt. Yogyakarta ,25 September 2010


2010 Seminar Nasional Diabetes Melitus Diitinjau dari Aspek Biokimia, Farmakologi dan Klinis, Yogyakarta, 31 maret 2010




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


2009 The International Seminar on Advanced Pharmacy and Pharmaceutical Sciences, Faculty of Pharmacy UGM,Yogyakarta, Indonesia, October 5-6, 2009 [Pemakalah]


2009

Seminar nasional “ Peluang & Tantangan Implementasi Produk Herbal di Masa Depan “

Faculty of Pharmacy Gadjah Mada University

2008 New Trens in Pharmaceutical Technology


2008 ACPS Workshop on Computational Drug Design & Discovery




2008 The International Symposium on Molecular Targeted Therapy


2007

Seminar Apotek Rakyat : Solusi atau Kontroversi Dalam Praktek Kefarmasian


2007 Temu Ilmiah Nasional II Bidang Farmakologi & Farmasi Klinik


2007

Seminar Sumbangan farmasi Menuju Hari Tua yang Tetap Sehat


2006

Seminar Nasional Strategi Pengembangan Industri Farmasi di Indonesia


2006 Penguatan Profesionalisme Farmasis Berbasis Kompetisi Dalam pelayanan Kesehatan Masyarakat


2006 The International Symposium the Recent Progress in Curcumin Research

Faculty of Pharmacy

Gadjah Mada University

2005 Penerapan Pharmaceutical Care Dalam Praktek


2005 Simposium & Seminar Pengembangan Obat Tradisional Indonesia




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



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



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



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



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



2014 Inovator salah satu dari “106 INNOVATIONS INDONESIA PROSPEKTIF-2014” (Ranking 5 dari 106 Inovasi Indonesia 2014) PADA 11 Agustus 2014

Menristek RI



2012

Insan Berprestasi UGM 2012 (Proposal Inovatif Potensial Paten Terbaik)

UGM



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



2010

Insan Berprestasi UGM 2010 (Proposal Inovatif Potensial Paten Terbaik)

UGM



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



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.

https://www.facebook.com/hari.purnomo.31�

https://www.linkedin.com/in/hari-purnomo-b4aa6240/�



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



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)



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)



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



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



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



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

undang-undang republik indonesia nomor 19 tahun 2012 … · a. pendahuluan statistika merupakan...

Documents