LEARNING OBJECTIVES

1. Bagaimana cara membuat hipotesis?

Setelah masalah penelitian dirusmuskan, langkah berikutnya adalah
menentukan hipotesis penelitian. Hipotesis adalah pernyataan sebagai jawaban
sementara atas pertanyaan penelitian , yang harus diuji validitasnya secara
empiris. Jadi hipotesis tidak dinilai benar atau salah, melainkan diuji dengan data
empiris apakah sahih (valid) atau tidak.
Tidak semua jenis penelitian memerlukan hipotesis. Survey ataupun studi
eksporatif yang tidak mencari hubungan antar, variable, jadi hanya bersifat
deskriptif, tidak memerlukan hipotesis. Sebagai contoh penelitian tentang
prevalensi hipertensi pada pasien obesitas, atau rerata kadar natrium pada murid
sekolah tidak memerlukan hipotesis.
Perlu atau tidaknya hipotesis dapat dilihat dari pertanyaan penelititan,
apabila dalam pertanyaan penelitian terdapat kata-kata : lebih besar, lebih kecil,
hubungan dengan, dibandingkan, menyebabkan, terdapat korelasi, dan
sejenisnnya, maka berarti diperlukan (satu atau lebih) hipotesis. Dalam konteks
ini yang dimaksudkan dengan hipotesis adalah hipotesis penelitian (research
hypothesis), yang harus dibedakan dengan hipotesis dalam uji kemaknaan yaitu
hipotesis nol dan hipotesis alternative.
Syarat – syarat hipotesis
1. Dinyatakan dalam kalimat deklaratif yang baik dan jelas dan sederhana serta
tidak bermakna ganda
2. Mempunyai landasan teori yang kuat. Hipotesis tidak serta merta dating
dengan sendirinya, namun harus dibangun dengan dasar teori, pengalaman ,
serta sumber ilmiah lain yang sahih
3. Menyatakan hubungan antara satu variable tergantung dengan 1 atau lebih
variable bebas. Love you yuda . kadang hipotesis menyatakan hubungan
antara variable bebas dengan satu variable tergantung, misalnya pada studi
factor- factor resiko dengan analisis multivariat. Namun dalam satu hipotesis
hanya boleh terdapat satu variable tergantung. Hipotesis dengan lebih dari
satu variabel tergantung (disebut sebagai hipotesis yang kompleks) harus
dipecah menjadi 2 atau lebih hipotesis sederhana.
4. Hipotesis memungkinkan diuji secara empiris. Hal ini mutlak dalam semua
studi empiris; suatu hipotesis, meskipun memiliki dasar yang kuat, tidak dapat
disebut memenuhi syarat apabila tidak dapat diuji secara empiris.
5. Rumusan hipotesis harus bersifat khas dan menggambarkan variabel –
variabel yang diukur.disisi lain rumusannya juga harus cukup longgar
sehingga membuka peluang untuk dilakukan generalisasi. Rumusan yang
bersifat terlalu umum atau bermakna ganda, harus dihindarkan
6. Menemukan a priori. Hipotesis harus dikemukakan sebelum penelitian
dimulai, sebeluum data terkumpul. Hipotesis yang dirumuskan setelah
peneliti melihat data, yang disebut sebagai hipotesis a posteriori atau
posthoc hypothesis , pada dasarnya merupakan multiple yang mempunyai
 konsekuensi dalam uji hipotesis (kemungkinan bahwa kemaknaan yang
diperoleh disebabkan semata- mata karena factor peluang, atau kesalahan
tipe- 1 akan menjadi lebih besar dengan bertambah banyaknya hipotesis).
Sebagian ahli menyebut prosedur ini sebagai fishing expedition atau data
dredging yang bahkan dapat dituduh curang, bagaikan menebak lotere
setelah nomornya diundi. Banyak contoh hasil penelitian sebagai akibat
hipotesis yang disusun setelah melihat data ternyata tidak valid dan tidak
tervalidasi saat dilakukan penelitian dengan hipotesis a priori.
Akhirnya, perlu dikemukakan bahwa studi dengan banyak pertanyaan
penelitian dapat memerlukan banyak hipotesis, yang mempersulit desain.
Bila memang diperlukan banyak hipotesis, lebih baik ditentukan hipotesis
utama (hipotesis mayor) dan hipotesis lainnya sebagai hipotesis minor. Dalam
rencana penelitian, perhatian utama peneliti harus terarah pada hipotesis
utama.

Sumber : Sastroasmoro Sudigdo. 2014. Dasar-Dasar Metodologi Penelitian Klinis

edisi ke-5. Sagung Seto : Jakarta

2. Jenis-jenis hipotesis !
Pendapat lain mengenai pengklasifikasian atau jenis-jenis hipotesis diungkapkan
oleh Sugiyono (2001: 83-86). Ia menyatakan bahwa menurut tingkat eksplanasi
yang akan duji, maka rumusan hipotesis dapat dikelompokkan menjadi tiga
macam, yaitu hipotesis deskriptif (pada suatu sampel atau variabel mandiri/tidak
dibandingkan dan dihubungkan), komparatif dan hubungan.

1. Hipotesis Deskriptif

Menurut Sugiyono (2001: 83) hipotesis deskriptif adalah dugaan tentang nilai
suatu variabel mandiri, tidak membuat perbandingan atau hubungan. Sebagai
contoh, bila rumusan masalah penelitian sebagai berikut ini, maka hipotesis
(jawaban sementara) yang dirumuskan adalah hipotesis deskriptif.
a. Seberapa tinggi daya tahan lampu merk X?
b. Seberapa tinggi produktivitas padi di kabupaten Klaten?
c. Berapa lama daya tahan lampu merk A dan B?
d. Severapa baik gaya kepemimpinan di lembaga X?
Dari tiga pernyataan tersebut antara lain dapat dirumuskan hipotesis
seperti berikut:
a. Daya tahan lampu merk X = 800 jam
b. Produktivitas padi di Kabupaten Klaten 8 ton/ha.
c. Daya tahan lampu merk A=450 jam dan merk B=600 jam.
d. Gaya kepemimpinan di lembaga X telah mencapai 70% dari yang diharapkan.
Dalam perumusan hipotesis statistik, antara hipotesis nol dengan
hipotesis alternatif selalu berpasangan, bila salah satu ditolak, maka yang lain
 pasti diterima sehingga dapat dibuat keputusan yang tegas, yaitu kalau Ho ditolak
pasti alternatifnya diterima. Hipotesis statistik dinyatakan melalui simbol-simbol.
Hipotesis statistik dirumuskan dengan simbol-simbol statistik, dan antara
hipotesis nol (Ho) dan alternatif selalu dipasangkan. Dengan dipasankan itumaka
dapat dibuat keputusan yang tegas, mana yang diterima dan mana yang ditolak.
Berikut ini diberikan contoh berbagai pernyataan yang dapat dirumuskan
hipotesis deskriptif statistiknya:

a. Suatu perusahaan minuman harus mengikuti ketentuan, bahwa salah satu

unsur kimia hanya boleh dicampurkan paling banyak 1%. (paling banyak
berarti lebih kecil atau sama dengan: ≤). Dengan demikian rumusan
hipotesisnya adalah:
Ho = µ ≤ 0,01 (lebih kecil atau sama dengan)
Ha = µ > 0,01 (lebih besar)
Dapat dibaca: hipotesis nol untuk parameter populasi berbentuk proporrsi
(1% : proporsi) lebih kecil atau sama dengan 1%, dan hipotesis alternatifnya,
untuk populasi yang berbentuk proporsi lebih besar dari 1%.
b. Suatu bimbingan tes menyatakan bahwa murid yang dibimbing di lembaga
itu, paling sedikit 90% dapat diterima di perguruan tinggi negeri. Rumusan
hipotesis statistik adalah:
Ho : µ ≥ 0,90
Ha : µ < 0,90
c. Seorang peneliti menyatakan bahwa daya tahan lampu merk A = 450 jam dan
B = 600 jam. Hipotesis statistiknya adalah:
Lampu A: Ho : µ = 450 jam Ha : µ ≠ 450 jam
Lampu B: Ho : µ = 600 jam Ha : µ ≠ 600 jam

Harga dapat diganti dengan nilai rata-rata sampel, simpangan baku dan
varians. Hipotesis pertama dan kedua diuji dengan uji satu satu pihak (one
tail) dan ketiga dengan dua pihak (two tail).

2. Hipotesis Komparatif
Menurut Sugiyono (2001: 85) hipotesis komparatif adalah pernyataan
yang menunjukkan dugaan nilai dalam satu variabel atau lebih pada sampel yang
berbeda. Contoh rumusan masalah komparatif dan hipotesisnya:
a. Adakah perbedaan daya tahan lampu merk A dan B?
b. Adakah perbedaan produktivitas kerja antara pegawai golongan I, II dan III?

Adapun rumusan hipotesis adalah:

a. – Tidak terdapat perbedaan daya tahan lampu antara lampu merk A dan B
- Daya tahan lampu merk B paling kecil sana dengan lampu merk A
- Daya tahan lampu merk B paling tinggi sama dengan lampu merk A
Hipotesis statistiknya adalah:
- Ho : µ1 = µ2 Ha : µ1 ≠ µ2 - Ho : µ1 ≥ µ2 Ha : µ1 < µ2 - Ho : µ1 ≤ µ2 Ha : µ1 > µ2
 b. Tidak terdapat perbedaan (persamaan) produktivitas kerja antara golongan I,
II, III.
- Ho : µ1 = µ2 = µ3
Ha : µ1 ≠ µ2 = µ3 (salah satu berbeda sudah merupakan Ha)
Dalam hal ini harga µ (mu) dapat merupakan rata-rata sampel, simpangan baku,
varians dan proporsi. Rumusan uji hipotesis dua pihak Rumusan uji hipotesis pihak
kiri Rumusan uji hipotesis pihak kanan

3. Hipotesis Hubungan (Asosiatif)

Sugiyono (2001: 86) menyatakan bahwa hipotesis asosiatif adalah suatu
pernyataan yang menunjukkan dugaan tentang hubungan antara dua variabel
atau lebih. Contoh rumusan masalahnya adalah “Adakah hubungan antara gaya
kepemimpinan dengan efektivitas kerja?”. Rumus dan hipotesis nolnya adalah:
Tidak ada hubungan antara gaya kepemimpinan dengan efktivitas kerja.
Hipotesis statistiknya adalah:
Ho : ρ = 0
Ha : ρ ≠ 0
Dapat dibaca: hipotesis nol, yang menunjukkan tidak adanya hubungan (nol =
tidak ada hubungan) antara gaya kepempinan dengan efektivitas kerja dalam
populasi. Hipotesis alternatifnya menunjukkan ada hubungan (tidak sama dengan
nol, mungkin lebih besar dari nol atau lebih kecil dari nol).

Sumber : Sugiyono . 2001. Statistika untuk Penelitian. Alfabeta : Bandung

3. Bagaimana konsep dari variable bebas dan variable terikat?

Variabel adalah karakteristik subyek penelitian yang berubah dari satu
subyek dari satu subyek ke subyek lain. Yang dimaksud variabel adalah
karakteristik suatu subyek, bukan subyek atau bendanya sendiri. Misalnya badan,
kelamin, darah atau hemoglobin bukan merupakan variabel; yang merupakan
variabel adalah tinggi badan, berat badan, jenis kelamin, tekanan darah atau
kadar hemoglobin. Variabel harus diletakkan dalam konteks penelitian. Misalnya,
di sekolah dasar, jenis kelamin adalah merupakan variabel, karena ia berubah dari
satu subyek ke subyek lainnya; tetapi di asrama perawat putri, jenis kelamin
bukanlah merupakan variabel, karena tidak berubah dari subyek ke subyek lain,
semua perempuan. Juga kelompok umur bukan merupakan variabel pada
neonates karena semua ada di kelompok yang sama, yakni di bawah usia satu
bulan. Identifikasi dan klasifikasi variabel sangat penting oleh karena sangat
berkaitan dengan pengumpulan dan analisis data.
Yang dimaksudkan dengan variabel bebas adalah variabel yang apabila ia
berubah akan mengakbatkan perubahan pada variabel lain; variabel yang
berubah akibat perubahan variabel bebas ini disebut sebagai variabel
tergantung. Variabel bebas sering disebut dengan banyak nama lain, seperti
variabel independen, predictor, risiko, determinan atau kausa. Sinonim variabel
 tergantung adalah variabel dependen, efek, hasil, outcome, response atau
event.

Sumber : Sastroasmoro Sudigdo. 2014. Dasar-Dasar Metodologi Penelitian Klinis

edisi ke-5. Sagung Seto : Jakarta

4. Menjelaskan hasil dari uji statistic !

Analisis data dilakukan dalam dua bentuk yakni :
 Analisis Deskriptif
 Analisis Analitik

Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok

untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja

Cth : Untuk menggambarkan karakteristik penduduk diperlukan data seperti:

umur, jenis kelamin, status perkawinan, dsb

Statistika inferensial adalah statistika yang menggunakan data dari suatu sampel
untuk menarik kesimpulan mengenai populasi dari mana sampel tersebut diambil

Cth : Untuk menganalisa hubungan pertambahan berat badan Ibu hamil dengan
berat lahir di kota Palu diambil sampel di RSUD Anutapura

Statistika Parametrik:

 Menggunakan asumsi mengenai populasi

 Membutuhkan pengukuran kuantitatif dengan level data interval atau
rasio

Statistika Nonparametrik (distribution-free statistics for use with nominal /

ordinal data):

 Menggunakan lebih sedikit asumsi mengenai populasi (atau bahkan tidak

ada sama sekali)
 Membutuhkan data dengan level serendah rendahnya ordinal (ada
beberapa metode untuk nominal)
1. Biostatic parametrik
Uji korelasi
Digunakan untuk melihat hubungan antara 2 variabel yg berjenis numerik
Mis : BB & TD , Umur & kdr Hb
- Derajat/keeratan hubungan
- Arah hubungan
(-) : Nilai salah satu variabel meningkat maka variabel lain akan menurun.
(+) : Nilai salah satu variabel meningkat maka variabel lain juga meningkat atau
nilai salah satu variabel menurun maka variabel lain akan menurun.
Persyaratan harus dipenuhi adalah data berskala interval atau rasio, asumsi
Distribusi Normal bivariat, dan sifat simetris.

Menurut Colton, kekuatan hubungan dua variabel dpt dibagi dlm empat area :

r = 0,00 – 0,25 (tdk ada hub / hub lemah)

r = 0,251 – 0,50 (hubungan sedang)

r = 0,501 – 0,75 (hubungan kuat)

r = 0,751 – 1 (hubungan sgt kuat/sempurna)

 Rumus koefisien korelasi pearson product moment (r)

n (∑XY) – (∑X ∑Y)

r = ___________________________
√ [n ∑X² - (∑X)²][n ∑Y² - (∑Y)²]

Uji Regresi Linier

Untuk melihat Bentuk hubungan

Mis : Hub BB dan TD

Dalam kasus ini BB sbg variabel independen dan TD sbg dependen. Sehingga
dengan uji regresi linier kita dapat memeperkirakan besarnya nilai TD bila
diketahui data berat badan.

Y = a + bx

∑Y – (b ∑x)

a = ____________ atau a = Y - bX
n

n∑XY – (∑X∑Y)
b =_________________
n∑X² - (∑X)²
Y = Variabel dependen

X = variabel independen

a = intercept, perbedaan besarnya rata-rata variabel Y ketika variabel X = 0

b = slope, perkiraan besarnya perubahan nilai variabel Y bila nilai variabel X

berubah satu unit pengukuran

2. Biostatik non-parametrik
Uji Chi-square (2x2)
- Tujuan : Untuk menguji perbedaan proporsi antara 2 atau lebih kelompok.
- Kelompok yang dibandingkan pada variabel independen
- Variabel yang dihubungkan kategorik dengan kategorik
Uji Fisher
Digunakan jika pada tabel 2 x 2 ada nilai Expected < 5

McNemar Test
Tujuan :

- Menguji hipotesis yang sifatnya perbandingan untuk dua sampel

berhubungan.
- Menguji keefektifan suatu intervensi tertentu sebelum dan sesudah
perlakuan (signifikansi perubahan).
- Digunakan pada penelitian dengan rancangan “pre test dan post test”.

Sifat :

- Setiap unit observasi berlaku sebagai pengontrol terhadap dirinya sendiri.

- Menggunakan data yang berbentuk diskret dengan skala pengukuran
nominal.
- Analisis dilakukan dengan menggunakan tabel 2 x 2 sebagai berikut :

Bila disederhanakan bentuknya diperoleh bentuk rumus sebagai berikut :

( A – D )²
x ² = __________ dengan DF = 1
A + D
Interpretasi :
Chi square hitung > (57,642) daripada Chi square tabel (3,841) pada = 0,05
dengan DF = 1 Ho ditolak, Ha diterima.
Kesimpulan :
Contoh : Terdapat perubahan/ perbedaan secara bermakna status gizi sebelum
dan setelah pemberian intervensi dengan PMT pada balita.

Uji Mann-Whitney
 Digunakan untuk mengetahui ada atau tidaknya perbedaan dari dua sampel
yg independen.
  Merupakan uji non parametrik yang menjadi alternatif dari uji-t (uji
parametrik).
 Data berskala nominal atau ordinal.
 Disebut juga uji U, karena statistik yg digunakan untuk menguji hipotesis
nolnya disebut U.

Prosedur uji

1. Formulasikan hipotesisnya

Ho : Tidak terdapat perbedaan rata-rata sample satu dengan yang lainnya.

Ha : Ada perbedaan rata-rata sample satu dengan yang lainnya

2. Tentukan nilai α dan U tabel

- α yang digunakan biasanya 5% (0,05) atau 1% (0,01)

- Nilai U tabel dengan n1 dan n2 tertentu.

3. Hitung nilai U

4. Tentukan kriteria pengujian

apabila U ≥ Utabel Ho diterima (H1 ditolak)
apabila U < Utabel Ho ditolak (H1 diterima)

Menentukan nilai uji statistik (Nilai U)

Penentuan nilai uji statsitik melalui tahap-tahap sebagai berikut :

- Mengabungkan kedua sampel dan memberi urutan tiap-tiap anggota,

dimulai dari pengamatan terkecil sampai terbesar
- Peringkat untuk X dipisahkan dan dijumlahkan menjadi RX
- Peringkat untuk Y dipisahkan dan dijumlahkan menjadi RY
- Menghitung statistik U dengan rumus :

Keterangan :
UX = Jumlah peringkat 1
UY = Jumlah peringkat 2
nX = Jumlah sample 1
nY = Jumlah sample 2
∑RX = Jumlah rangking pada sampel X
∑RY = Jumlah rangking pada sampel Y

Sumber : Kuliah Pakar Adhar Arifuddin, S.KM,M.Kes. . 2016 . “BIOSTATISTIKA”. Fakultas

Kedokteran dan Ilmu Kesehatan Universtias Tadulako.
5. Menjelaskan mengenai desain penelitian hubungan sebab-
akibat !
Perlu diingat bahwa dalam fenomena bilogis, yang dimaksudkan dengan
sebab (kausa) tidak selalu satu-satunya factor yang dapat menimbulkan efek.
Dikenal istilah (a) sufficient cause dan (b) necessary cause.
Contoh : Apabila logam dipanaskan, ia memuai, dimana pun dan kapan pun, oleh
siapapun. Jadi pemanasan sendiri itulah yang menyebabkan logam memuai; hal
ini disebut sebagai sufficient cause. Namun M.tuberculosis bukan merupakan
sufficient cause untuk penyakit TBC;tidak semua orang yang diinokulasi kuman tb
menjadi sakit. Dalam hal ini M.tuberculosis, diperlukan factor lain seperti
ketahanan tubuh rendah, ketahanan individual, dll. Sebagian besar kausa pada
fenomena biologis adlah necessary cause.
a. Hubungan Waktu (temporal relation)
Hubungan antar variabel hanya mungkin merupakan hubungan sebab-akibat
bila telah diyakini bahwa sebab (variabel independen) mendahului akibat
(variabel dependen). Dalam konteks penelitian , variabel bebas (risk,
determinan, penyebab, kause, predictor) harus mendahului variabel
dependen (efek, penyakit, event, outcome). Hal ini dapat dipenuhi oleh
desain uji klinis, studi cohort dan case-control, dengan kekuatan yang
menurun. Pada studi cross-sectional, hubungan waktu tidak tergambar dalam
desain, namun dapat disimpulkan dengan teori atau logika. Apabila variabel
dependen nya merupakanvariabel atribut yang konstan (mis: jenis kelamin)
maka hal ini tidak merupakan masalah

b. Kuatnya Asosiasi
Bukti adanya hubungan yang kuat antara 2 variabel akan lebih menyokong
terdapatnya hubungan sebab-akibat. Bila digunakan statistic, maka nilai p
yang kecil (atau interval kepercayaan yang sempit) lebih kuat daripada nilai p
yang besar. Bila dihitung secara rasio maka misalnya relative risk, odd ratio
atau rasio prevalens, maka nilai rasio yang menjauhi angka 1 menunjukkan
hubungan yang lebih kuat.
Misalnya : RR 11,8 > RR1,8 atau RO 0,2 lebih kuat daripada RO 0,85

c. Hubungan yang Bergantung Dosis (dosis dependent)

Bila besarnya asosiasi berubah dengan berubahnya dosis atau factor resiko,
maka asosiasi kausal menjadi lebih mungkin. Keadaan ini disebut dose
dependent atau biological gradient. Akan tetapi dengan mengingat konsep
necessary cause.

d. Spesifisitas
Bila hasil yang diperoleh bersifat spesifik dan sama pada populasi yang
berbeda, maka hubungan sbab akibat akan menjadi lebih mungkin. Sebagai
contoh sederhana adalah efek parasetamol. Bila parasetamol dapat
 menurunkan panas anak, dewasa, maupun bayi maka asosiasi kausal antar
parasetamol dan turun nya demam menjadi makin mungkin.

e. Konsistensi dengan Hasil Penelitian Lain

Bila hasil penelitian menyokong hal-hal yang ditemukan dalam penelitian lain
maka hubungan kausal nebjadi lebih besar. Hal ini terutama bila desain yang
digunakan tidak sama. Bila asosiasi antar minum kopi dan jantung coroner
ditemukan pada studi cross-sectional, case-control dan cohort maka asosiasi
kausal semakin lebih mungkin. Hal ini diperlukan dalam penelitian, yakni hasil
sekarang apakah menyokkong atau menolak hasil penelitian yang pernah
dilaporkan sebelumnya dengan ulasan yang memadai.

f. Koherensi
Asosiasi disebut koheren apabila sesuai dengan gambaran umum distribusi
factor resiko serta efek pada populasi tertentu. Asosiasi antara konsumsi
garam dan hipertensi pada suatu penelitian akan disokong bila pada populasi
tertentu dengan konsumsi garam yang tinggi ditemukan prevalens hipertensi
yang lebih tinggi disbanding dengan prevalens pada populasi umum, hal ini
tentu tergambar dari studi pustaka.

g. Biological Plausability
Agar dapat disimpulkan dengan hubungan kausal, hubungan antara variabel
bebas dan dependen harus dapat diterangakan (setidaknya sebagian) dengan
teori yang ada. Bila teori tersebut ada , maka asosiasi kausal menjadi lebih
mungkin. Sebaliknya jika tidak ditemukan maka hubungan kausal tidak dapat
disimpulkan. Dengan kata lain, analisis kausalitas tidak hanya memperhatikan
angka namun hal-hal lain termasuk logika dan akal sehat perlu
dipertimbangkan

Sumber : Sastroasmoro Sudigdo. 2014. Dasar-Dasar Metodologi Penelitian Klinis

edisi ke-5. Sagung Seto : Jakarta

6. Menentukan kekuatan sebab akibat !

Uji korelasi

Digunakan untuk melihat hubungan antara 2 variabel yg berjenis numerik

Mis : BB & TD , Umur & kdr Hb

- Derajat/keeratan hubungan
- Arah hubungan

(-) : Nilai salah satu variabel meningkat maka variabel lain akan menurun.
(+) : Nilai salah satu variabel meningkat maka variabel lain juga meningkat atau nilai salah
satu variabel menurun maka variabel lain akan menurun.
Persyaratan harus dipenuhi adalah data berskala interval atau rasio, asumsi
Distribusi Normal bivariat, dan sifat simetris.

Menurut Colton, kekuatan hubungan dua variabel dpt dibagi dlm empat area :

r = 0,00 – 0,25 (tdk ada hub / hub lemah)

r = 0,251 – 0,50 (hubungan sedang)

r = 0,501 – 0,75 (hubungan kuat)

r = 0,751 – 1 (hubungan sgt kuat/sempurna)

Rumus koefisien korelasi pearson product moment (r)

n (∑XY) – (∑X ∑Y)

r = ___________________________

√ [n ∑X² - (∑X)²][n ∑Y² - (∑Y)²]

Sumber : Kuliah Pakar Adhar Arifuddin, S.KM,M.Kes. . 2016 . “BIOSTATISTIKA”. Fakultas

Kedokteran dan Ilmu Kesehatan Universtias Tadulako.