Penyusunan skripsi atau tesis di bidang farmasi tidak berhenti pada tahap pengumpulan data di lapangan atau laboratorium. Tahap yang sering kali menjadi momok paling menakutkan bagi mahasiswa adalah pengolahan dan analisis data statistik. Dalam penelitian farmasi komunitas, klinis, maupun sosial-kefarmasian, seperti studi Pengetahuan, Sikap, dan Praktik (KAP) atau uji efektivitas intervensi edukasi obat, data yang terkumpul biasanya sangat masif dan kompleks. Mengolahnya secara manual tidak hanya memakan waktu, tetapi juga sangat rentan terhadap kesalahan hitung yang dapat menggugurkan validitas penelitian.
Oleh karena itu, penguasaan terhadap perangkat lunak statistik menjadi kompetensi wajib. Statistical Package for the Social Sciences (SPSS) telah lama menjadi standar emas di kalangan akademisi dan peneliti kesehatan karena antarmukanya yang ramah pengguna namun memiliki kapabilitas analisis yang sangat mendalam.
Artikel ini akan mengulas secara komprehensif cara mengolah data penelitian farmasi dengan SPSS, menyoroti lima langkah praktis yang akan memandu Anda dari data mentah hingga menghasilkan output statistik yang siap disajikan dalam bab hasil penelitian farmasi. Informasi lebih lanjut mengenai kurikulum metodologi penelitian dan fasilitas laboratorium komputer dapat diakses melalui Fakultas Farmasi Saraswati.
Mengapa SPSS Menjadi Standar dalam Penelitian Farmasi?
SPSS dirancang untuk menangani berbagai jenis data, mulai dari data nominal (seperti jenis kelamin atau kategori kepatuhan), ordinal (seperti skala Likert pada kuesioner kepuasan pasien), hingga data rasio (seperti kadar kolesterol atau tekanan darah). Perangkat lunak ini menyediakan menu drop-down yang memudahkan peneliti untuk memilih uji statistik yang tepat tanpa harus menghafal rumus matematis yang rumit, asalkan penelitian farmasi memahami logika di balik pemilihan uji tersebut.
5 Langkah Praktis Mengolah Data Penelitian Farmasi dengan SPSS
Untuk memastikan alur pengolahan data penelitian farmasi Anda sistematis dan bebas dari kesalahan metodologis, ikuti lima langkah berikut ini secara berurutan.
1. Mendefinisikan Variabel pada Variable View
Langkah pertama sebelum memasukkan data adalah mengatur “kerangka” data Anda di tab Variable View. Kesalahan pada tahap ini akan menyebabkan SPSS salah membaca jenis data dan menolak untuk menjalankan uji statistik tertentu.
- Aplikasi Praktis: Pada kolom Name, berikan nama variabel yang singkat tanpa spasi (misalnya:
usia,jenis_kelamin,skor_KAP). Pada kolom Type, pilih Numeric untuk data angka dan String untuk teks (meskipun dalam SPSS, data teks sebaiknya dikoding menjadi angka). - Penting: Perhatikan kolom Measure. Tentukan apakah data Anda berskala Scale (data kontinu seperti berat badan atau tekanan darah), Ordinal (data berjenjang seperti tingkat pendidikan atau skor skala Likert), atau Nominal (data kategori tanpa tingkatan seperti jenis kelamin atau golongan darah). Pengaturan Values juga krusial untuk memberikan label pada angka (misalnya: 1 = Laki-laki, 2 = Perempuan).
2. Melakukan Entri dan Pembersihan Data pada Data View
Setelah kerangka variabel siap, beralihlah ke tab Data View untuk memasukkan data mentah dari kuesioner atau rekam medis.
- Aplikasi Praktis: Setiap baris mewakili satu responden (pasien), dan setiap kolom mewakili satu variabel. Masukkan data sesuai dengan kode yang telah Anda tetapkan. Setelah entri selesai, lakukan data cleaning. Gunakan menu Frequencies untuk mendeteksi outlier atau kesalahan input (misalnya, ada responden dengan usia 200 tahun atau skor kepatuhan yang melebihi batas maksimal kuesioner). Data yang anomali ini harus dikoreksi atau dihapus sebelum analisis lebih lanjut.
3. Melakukan Uji Asumsi Klasik (Normalitas dan Homogenitas)
Sebelum melangkah ke uji hipotesis parametrik, SPSS mengharuskan Anda untuk memverifikasi apakah data Anda memenuhi asumsi dasar statistik.
- Aplikasi Praktis:
- Uji Normalitas: Gunakan menu Analyze > Descriptive Statistics > Explore, lalu pilih Plots dan centang Normality plots with tests. Untuk sampel di bawah 50, gunakan uji Shapiro-Wilk; untuk sampel di atas 50, gunakan Kolmogorov-Smirnov. Jika nilai signifikansi (p-value) > 0,05, maka data berdistribusi normal.
- Uji Homogenitas: Jika Anda membandingkan dua kelompok atau lebih (misalnya, membandingkan penurunan tekanan darah antara kelompok intervensi dan kontrol), gunakan Levene’s Test. Jika p-value > 0,05, varians data dianggap homogen.
4. Memilih dan Mengeksekusi Uji Hipotesis yang Tepat
Ini adalah inti dari pengolahan data. Pemilihan uji statistik di SPSS bergantung pada jenis data dan tujuan penelitian farmasi Anda.
- Aplikasi Praktis:
- Uji Komparasi Berpasangan (Pre-test & Post-test): Jika Anda mengukur tingkat kepatuhan atau tekanan darah pasien sebelum dan sesudah diberikan edukasi apoteker, gunakan Paired Sample T-Test (jika data normal) atau Wilcoxon Signed Rank Test (jika data tidak normal).
- Uji Komparasi Independen: Jika Anda membandingkan rata-rata kadar gula darah antara pasien yang menggunakan obat A dan obat B, gunakan Independent Sample T-Test atau Mann-Whitney U Test.
- Uji Hubungan (Korelasi): Jika Anda ingin melihat hubungan antara tingkat pengetahuan (skor KAP) dengan perilaku penggunaan antibiotik, gunakan Pearson Correlation (data normal) atau Spearman Rank (data ordinal/tidak normal).
- Uji Pengaruh Kategori: Untuk melihat hubungan antara jenis kelamin (nominal) dengan tingkat kepatuhan (kategorik), gunakan Chi-Square Test.
5. Membaca dan Menginterpretasikan Output (p-value)
SPSS akan menghasilkan jendela Output yang berisi tabel dan grafik. Kemampuan membaca tabel ini adalah kunci untuk menulis Bab 4 (Hasil dan Pembahasan).
- Aplikasi Praktis: Fokuslah pada kolom Sig. (2-tailed) atau Asymp. Sig. yang merupakan representasi dari p-value. Aturan baku dalam penelitian farmasi dan kesehatan adalah menggunakan taraf kepercayaan 95% (alpha = 0,05).
- Jika p-value < 0,05, maka Hipotesis Nol (H0) ditolak dan Hipotesis Alternatif (Ha) diterima. Artinya, terdapat perbedaan, hubungan, atau pengaruh yang signifikan secara statistik.
- Jika p-value > 0,05, maka H0 gagal ditolak. Artinya, tidak ada bukti statistik yang cukup untuk menyatakan adanya perbedaan atau hubungan yang signifikan. Salin tabel yang relevan ke dalam dokumen Word dan format ulang sesuai pedoman penulisan skripsi.
Peran Fakultas Farmasi Universitas Saraswati dalam Membekali Kompetensi Analisis Data
Kemampuan mengoperasikan SPSS tidak bisa dikuasai hanya dengan membaca teori; diperlukan praktik langsung dan bimbingan yang terstruktur. Fakultas Farmasi Saraswati berkomitmen untuk memastikan mahasiswanya tidak hanya lulus sebagai apoteker yang paham teori obat, tetapi juga penelitian farmasi yang mampu mengolah data secara ilmiah.
- Laboratorium Komputer Berstandar: Fakultas menyediakan fasilitas laboratorium komputer yang dilengkapi dengan lisensi perangkat lunak statistik resmi, memungkinkan mahasiswa untuk berlatih mengolah data skripsi mereka secara langsung di lingkungan kampus.
- Pendampingan Intensif Metodologi Riset: Dosen pembimbing dan tim metodologi di FFS secara aktif mendampingi mahasiswa dalam menerjemahkan desain penelitian mereka ke dalam bahasa SPSS, memastikan tidak ada kesalahan dalam pemilihan uji statistik yang dapat berakibat pada penarikan kesimpulan yang keliru.
- Workshop Analisis Data Statistik: Institusi secara berkala mengadakan pelatihan khusus yang membahas studi kasus nyata di bidang farmasi, seperti cara menskor kuesioner MMAS-8 (kepatuhan obat) dan memasukkannya ke dalam SPSS untuk diuji korelasinya dengan variabel klinis.
Bagi mahasiswa yang ingin memaksimalkan potensi risetnya dan memanfaatkan fasilitas pendukung ini, informasi lengkap mengenai program penelitian farmasi, akademik dan layanan kemahasiswaan dapat diakses melalui laman resmi Fakultas Farmasi Saraswati.
Pertanyaan yang Sering Diajukan (FAQ)
Bagaimana cara menangani missing data (data yang hilang) di SPSS?
Jika seorang responden tidak menjawab satu atau dua pertanyaan dalam kuesioner, Anda tidak harus membuang seluruh kuesioner tersebut. Di SPSS, Anda dapat membiarkan sel tersebut kosong (akan terbaca sebagai system-missing atau titik), atau melakukan imputasi data (misalnya, mengganti nilai yang hilang dengan nilai rata-rata/mean dari variabel tersebut) menggunakan menu Replace Missing Values, asalkan data yang hilang tidak lebih dari 10% total sampel.
Apa yang harus dilakukan jika hasil uji normalitas menunjukkan data tidak berdistribusi normal?
Jangan panik. Data yang tidak normal adalah hal yang lumrah dalam penelitian farmasi, terutama pada data ordinal seperti skala Likert atau data yang memiliki banyak outlier. Solusinya adalah beralih dari uji statistik parametrik ke non-parametrik. Misalnya, ganti Independent T-Test dengan Mann-Whitney, atau ganti Pearson dengan Spearman Rank. Uji non-parametrik tidak mensyaratkan data harus berdistribusi normal.
Apakah SPSS bisa digunakan untuk menganalisis data uji laboratorium (seperti kadar disolusi atau absorpsi)?
Sangat bisa. Untuk data laboratorium yang bersifat kontinu (rasio), SPSS sangat handal dalam melakukan uji One-Way ANOVA (untuk membandingkan lebih dari dua kelompok formulasi obat) atau uji regresi linier (untuk melihat kurva kalibrasi dan kinetika pelepasan obat).
Kesimpulan: Transformasi Data Mentah Menjadi Bukti Ilmiah
Menguasai cara mengolah data penelitian farmasi dengan SPSS adalah jembatan yang mengubah tumpukan kuesioner atau hasil laboratorium menjadi bukti ilmiah yang solid. Dengan mengikuti lima langkah praktis di atas—mulai dari definisi variabel yang tepat, pembersihan data, pengujian asumsi, pemilihan uji hipotesis yang logis, hingga interpretasi p-value yang akurat—Anda akan mampu menyusun Bab Hasil penelitian farmasi dan Pembahasan yang tajam dan meyakinkan.
Jangan biarkan ketakutan terhadap statistik menghambat kelulusan Anda. Luangkan waktu untuk bereksperimen dengan data dummy di SPSS, manfaatkan fasilitas laboratorium dan bimbingan dosen di kampus, dan jadikan perangkat lunak ini sebagai asisten riset pribadi Anda. Dengan fondasi analisis data yang kuat, skripsi farmasi Anda tidak hanya akan lulus dengan nilai memuaskan, tetapi juga berpotensi untuk dipublikasikan di jurnal ilmiah bereputasi.
