Data Kepatuhan Obat Skripsi Farmasi 2026: Kapan Pakai Mann-Whitney, Kapan Uji T Independen?

Data kepatuhan minum obat sering dianalisis dengan uji yang salah karena bentuk skornya (total dari kuesioner, lalu dikategorikan) membuat mahasiswa bingung apakah datanya interval atau ordinal. Ringkasan cepat memilih antara dua uji ini untuk membandingkan dua kelompok subjek berbeda:

Rekomendasi: uji normalitas tiap kelompok secara terpisah dengan Shapiro-Wilk sebelum memutuskan, jangan menentukan uji hanya dari bentuk instrumen (kuesioner MMAS-8, dsb).

Kapan Uji T Independen Sah Dipakai

Uji T independen (independent samples t-test) membandingkan rata-rata dua kelompok subjek yang berbeda — misalnya kelompok pasien yang mendapat konseling farmasi vs kelompok yang tidak. Syaratnya: (1) data berskala interval/rasio, (2) kedua kelompok berdistribusi normal (diuji terpisah untuk tiap kelompok, bukan digabung), dan (3) idealnya varians kedua kelompok homogen (diuji dengan Levene’s test; bila varians tidak homogen, dipakai varian Welch’s t-test sebagai koreksi, bukan otomatis pindah ke Mann-Whitney).

Kapan Mann-Whitney Lebih Tepat

Mann-Whitney U test adalah padanan nonparametrik dari uji T independen, dipakai saat: (1) data berskala ordinal (mis. kategori kepatuhan rendah/sedang/tinggi hasil pengkategorian skor MMAS-8), atau (2) data numerik tapi salah satu atau kedua kelompok tidak berdistribusi normal. Mann-Whitney membandingkan peringkat (rank) gabungan kedua kelompok, bukan nilai rata-ratanya, sehingga lebih tahan terhadap outlier dan data yang menceng.

Kasus Khusus: Skor MMAS-8 Ordinal atau Interval?

Skor total MMAS-8 (0–8) sering menjadi sumber kebingungan karena bisa diperlakukan dua cara: sebagai skor kontinu (0–8, dianalisis sebagai data interval bila memenuhi normalitas), atau sebagai kategori (rendah/sedang/tinggi berdasarkan ambang skor tertentu, dianalisis sebagai data ordinal). Keputusan mana yang dipakai harus dijustifikasi eksplisit di Bab III — bila memilih menganalisis sebagai skor kontinu, tetap wajib uji normalitas dulu; bila memilih kategori, otomatis memakai Mann-Whitney karena data ordinal tidak pernah dianalisis dengan uji T. Status lisensi dan aturan pakai instrumen kepatuhan minum obat seperti MMAS-8 — instrumen berbayar, bukan domain publik — dibahas lengkap di cara memilih dan melaporkan kuesioner kepatuhan minum obat untuk skripsi farmasi. Mahasiswa yang berencana memakai MMAS-8 wajib mengurus izin resmi ke pengembangnya, bukan menyalin dari skripsi lain yang belum tentu berlisensi sah.

Cara Menentukan yang Mana: Uji Normalitas Dulu

1. Pisahkan data berdasarkan kelompok (mis. kelompok intervensi dan kelompok kontrol).
2. Uji normalitas tiap kelompok secara terpisah dengan Shapiro-Wilk (n < 50) atau Kolmogorov-Smirnov (n ≥ 50) — bukan digabung jadi satu uji untuk seluruh data.
3. Bila kedua kelompok normal, cek homogenitas varians dengan Levene’s test, lalu pakai uji T independen (atau Welch’s t-test bila varians tidak homogen).
4. Bila salah satu atau kedua kelompok tidak normal, atau data memang ordinal, pakai Mann-Whitney U.

Penjelasan lebih dalam soal opsi lain saat data tidak normal — termasuk transformasi data dan bootstrap — ada di data skripsi tidak normal, apa yang harus dilakukan?.

Contoh Kalimat Bab III yang Menjustifikasi Pemilihan Uji

Bab III sebaiknya menyebut alasan pemilihan uji secara eksplisit, bukan hanya menyebut nama ujinya. Contoh ilustratif kalimat penjustifikasi: “Sebelum uji hipotesis dilakukan, data skor kepatuhan pada kedua kelompok diuji normalitasnya menggunakan Shapiro-Wilk. Apabila kedua kelompok data berdistribusi normal dan varians homogen (diuji dengan Levene’s test), analisis dilanjutkan dengan uji T independen. Apabila salah satu kelompok data tidak berdistribusi normal, analisis dilanjutkan dengan uji Mann-Whitney U sebagai alternatif nonparametrik.” Kalimat semacam ini menunjukkan penguji bahwa pemilihan uji bukan keputusan sembarangan di awal, melainkan hasil dari prosedur pengujian asumsi yang direncanakan sejak proposal — jauh lebih meyakinkan dibanding kalimat yang langsung menyatakan “data dianalisis dengan uji Mann-Whitney” tanpa menyebut mengapa.

Jumlah Sampel untuk Dua Kelompok Independen

Jumlah sampel dihitung dengan power analysis untuk uji dua kelompok independen — bukan Slovin atau Lemeshow yang dipakai untuk survei deskriptif satu kelompok. Input utamanya effect size (selisih rata-rata/proporsi kepatuhan yang dianggap bermakna secara klinis antarkelompok), tingkat signifikansi (umumnya α = 0,05), dan power statistik (umumnya 80%). Idealnya jumlah subjek di kedua kelompok seimbang (rasio 1:1) untuk memaksimalkan sensitivitas uji mendeteksi perbedaan yang sebenarnya ada; rasio yang terlalu timpang antarkelompok (mis. 10 subjek vs 50 subjek) mengurangi power meski total sampel gabungan sama.

Bila Lebih dari Dua Kelompok yang Dibandingkan

Uji T independen dan Mann-Whitney hanya berlaku untuk membandingkan tepat dua kelompok. Bila penelitian membandingkan tiga kelompok atau lebih — misalnya tiga jenis regimen konseling, atau kepatuhan berdasarkan tiga kelompok usia — uji yang tepat adalah one-way ANOVA (bila data tiap kelompok normal dan varians homogen) atau Kruskal-Wallis (padanan nonparametriknya, bila asumsi ANOVA tidak terpenuhi). Kesalahan yang cukup sering terjadi: mahasiswa menjalankan uji T independen/Mann-Whitney berkali-kali untuk tiap pasangan kelompok (mis. kelompok A vs B, lalu A vs C, lalu B vs C) tanpa koreksi, padahal pengulangan uji seperti ini meningkatkan risiko kesalahan tipe I (positif palsu) dibanding memakai satu uji ANOVA/Kruskal-Wallis diikuti uji lanjut (post-hoc) yang sudah memperhitungkan koreksi tersebut.

Contoh Kasus Ilustratif (Data Fiktif)

Contoh untuk penelitian “Perbandingan Tingkat Kepatuhan Minum Obat Antara Pasien yang Mendapat Konseling Farmasi dan yang Tidak” (data ilustratif, bukan hasil penelitian nyata):

“Skor kepatuhan MMAS-8 dikategorikan menjadi rendah, sedang, dan tinggi (data ordinal). Uji Mann-Whitney U menghasilkan U = 210, Z = −2,87, p = 0,004, menunjukkan tingkat kepatuhan kelompok konseling secara signifikan lebih tinggi dibanding kelompok tanpa konseling. Ukuran efek dihitung r = Z/√N = 2,87/√70 ≈ 0,34, tergolong efek sedang.” Perhatikan bahwa laporan ini menyebut jenis data (ordinal) sebagai alasan memilih Mann-Whitney, bukan sekadar menyebut hasil uji tanpa justifikasi pemilihannya.

Cara Melaporkan Hasil di Bab IV

• Uji T independen — laporkan mean dan SD tiap kelompok, nilai t, derajat bebas (df), p-value, hasil Levene’s test, dan Cohen’s d sebagai ukuran efek.
• Mann-Whitney — laporkan median dan IQR tiap kelompok (bukan mean/SD), nilai U dan/atau Z, p-value, dan r sebagai ukuran efek.

Kesalahan yang sama seperti pada uji berpasangan tetap berlaku di sini: melaporkan mean/SD untuk hasil Mann-Whitney adalah kekeliruan, karena uji ini bekerja dengan rank, bukan nilai mentah.

Signifikan Secara Statistik Belum Tentu Bermakna Secara Klinis

Nilai p yang signifikan (di bawah 0,05) hanya menunjukkan bahwa perbedaan antarkelompok kemungkinan besar bukan kebetulan, bukan menunjukkan seberapa besar atau seberapa penting perbedaan itu secara praktik farmasi. Pada sampel yang cukup besar, perbedaan kepatuhan yang sebenarnya kecil pun bisa menghasilkan p-value signifikan, sementara ukuran efeknya (Cohen’s d atau r) tergolong kecil — inilah alasan ukuran efek wajib dilaporkan berdampingan dengan p-value, bukan sekadar menyebut “terdapat perbedaan signifikan” lalu berhenti di situ.

Sebaliknya, penelitian dengan sampel kecil bisa menghasilkan ukuran efek yang tampak besar tapi p-value tidak signifikan karena kekuatan statistik (power) yang rendah untuk mendeteksi perbedaan pada jumlah subjek sekecil itu. Saat membahas hasil di Bab IV/V, sebaiknya bedakan dua pertanyaan yang sering tertukar: apakah perbedaan ini nyata secara statistik (dijawab p-value), dan apakah besarnya perbedaan ini relevan secara klinis bagi praktik farmasi (dijawab ukuran efek, dibaca bersama konteks klinis topik yang diteliti). Menuliskan kedua sisi ini secara eksplisit di pembahasan menunjukkan pemahaman yang lebih dalam dibanding sekadar melaporkan angka signifikansi.

Kesalahan yang Sering Ditemukan Penguji

• Normalitas diuji pada data gabungan, bukan per kelompok — menghasilkan kesimpulan yang keliru karena satu kelompok bisa normal sementara kelompok lain tidak.
• Status data MMAS-8 (ordinal/interval) tidak dijustifikasi — langsung memakai salah satu uji tanpa menjelaskan mengapa skor diperlakukan sebagai kategori atau skor kontinu.
• Homogenitas varians tidak dicek — langsung memakai uji T independen standar tanpa Levene’s test, padahal varians tidak homogen butuh Welch’s t-test.
• Melaporkan mean/SD untuk hasil Mann-Whitney — seharusnya median dan IQR.
• Tertukar dengan uji berpasangan — desain dua kelompok subjek berbeda (independen) keliru dianalisis dengan uji T berpasangan/Wilcoxon yang sebenarnya untuk data satu kelompok dua waktu ukur, dibahas terpisah di Wilcoxon vs uji T berpasangan.
• Jumlah subjek antarkelompok terlalu timpang — rasio yang jauh dari seimbang mengurangi power uji tanpa disadari peneliti.
• Uji dua-kelompok diulang berkali-kali untuk tiga kelompok atau lebih — seharusnya ANOVA/Kruskal-Wallis dengan uji lanjut, bukan pengulangan uji T independen/Mann-Whitney tanpa koreksi.

Checklist Sebelum Menentukan Uji

1. Desain data dipastikan dua kelompok subjek berbeda (independen), bukan satu kelompok dua waktu ukur.
2. Jumlah kelompok yang dibandingkan tepat dua; bila tiga atau lebih, gunakan ANOVA/Kruskal-Wallis.
3. Normalitas diuji per kelompok secara terpisah, bukan data gabungan.
4. Status skala data (ordinal vs interval) untuk instrumen komposit seperti MMAS-8 dijustifikasi eksplisit di Bab III.
5. Homogenitas varians dicek dengan Levene’s test sebelum memakai uji T independen standar.
6. Jumlah sampel dihitung dengan power analysis dua kelompok, idealnya rasio seimbang antarkelompok.
7. Ringkasan deskriptif sesuai jenis uji (mean/SD untuk T independen, median/IQR untuk Mann-Whitney).
8. Ukuran efek (Cohen’s d atau r) dilaporkan bersama p-value.

Menentukan uji yang tepat untuk data kepatuhan obat dua kelompok, lengkap dengan justifikasi skala data dan ukuran efek, adalah bagian Bab IV yang paling sering direvisi berulang. Tesify membantu menyusun alur pemilihan uji statistik dan format pelaporan hasil yang konsisten dengan desain penelitian Anda, sementara Anda tetap menjadi penulis dan penanggung jawab penuh atas isi skripsi.

Pertanyaan yang Sering Diajukan

Apa beda uji T independen dan Mann-Whitney?

Uji T independen membandingkan rata-rata dua kelompok subjek berbeda dan mensyaratkan data berdistribusi normal pada tiap kelompok. Mann-Whitney U adalah padanan nonparametriknya, dipakai saat data tidak berdistribusi normal atau berskala ordinal, dengan membandingkan peringkat (rank) bukan rata-rata mentah.

Kapan uji T independen sah dipakai pada data kepatuhan obat?

Sah dipakai bila skor kepatuhan dari dua kelompok berbeda (mis. kelompok intervensi konseling vs kelompok tanpa konseling) berskala interval/rasio dan masing-masing kelompok berdistribusi normal, diuji dengan Shapiro-Wilk sebelum analisis utama.

Kapan Mann-Whitney lebih tepat untuk data farmasi?

Mann-Whitney lebih tepat saat data kepatuhan berskala ordinal (mis. kategori kepatuhan rendah/sedang/tinggi dari skor MMAS-8), atau saat data numerik tapi salah satu atau kedua kelompok tidak berdistribusi normal berdasarkan uji Shapiro-Wilk.

Apakah MMAS-8 menghasilkan data ordinal atau interval?

Skor total MMAS-8 (0–8) sering diperlakukan sebagai data ordinal karena dikategorikan menjadi tingkat kepatuhan rendah/sedang/tinggi berdasarkan ambang skor tertentu; bila dianalisis sebagai skor kontinu sebelum dikategorikan, sebagian peneliti memperlakukannya sebagai interval, namun ini perlu dijustifikasi eksplisit dan dicek normalitasnya, bukan diasumsikan.

Ukuran efek apa yang dilaporkan untuk Mann-Whitney?

Ukuran efek untuk Mann-Whitney U dilaporkan sebagai r, dihitung dari nilai Z dibagi akar jumlah total observasi kedua kelompok (r = Z/√N), dengan pedoman kasar 0,1 kecil, 0,3 sedang, 0,5 besar — sama seperti pedoman ukuran efek Wilcoxon signed-rank.

Berapa jumlah sampel untuk membandingkan dua kelompok pada penelitian farmasi?

Dihitung dengan power analysis untuk uji dua kelompok independen (bukan Slovin/Lemeshow), memakai effect size yang ingin dideteksi, tingkat signifikansi, dan power statistik sebagai input, idealnya dengan proporsi jumlah subjek yang seimbang antarkelompok untuk memaksimalkan sensitivitas uji.

Apakah perlu izin khusus memakai kuesioner MMAS-8 untuk penelitian farmasi?

Ya. MMAS-8 adalah instrumen berlisensi dan berbayar, bukan domain publik — mahasiswa yang ingin memakainya untuk skripsi wajib mengurus izin dan lisensi resmi ke pengembangnya, bukan menyalin instrumen dari skripsi lain yang belum tentu memiliki izin tersebut.

Bagaimana bila penelitian membandingkan lebih dari dua kelompok?

Untuk lebih dari dua kelompok independen, uji T independen/Mann-Whitney tidak lagi dipakai — gunakan one-way ANOVA (bila data normal dan varians homogen) atau Kruskal-Wallis (padanan nonparametriknya), diikuti uji lanjut (post-hoc) untuk mengetahui pasangan kelompok mana yang berbeda signifikan.

Apakah nilai p yang signifikan otomatis berarti perbedaannya bermakna secara klinis?

Tidak. Nilai p hanya menunjukkan apakah perbedaan kemungkinan besar bukan kebetulan, bukan seberapa besar atau seberapa penting perbedaan itu secara praktik. Pada sampel besar, perbedaan kecil pun bisa signifikan secara statistik tapi ukuran efeknya kecil — sebaliknya, sampel kecil bisa menghasilkan ukuran efek besar tanpa signifikansi statistik. Kedua ukuran (p-value dan ukuran efek) perlu dibaca bersama, bukan salah satu saja.