Analisis Perbedaan Konsumsi Alkohol Pada Tahun 2010 dan Tahun 2015

Regina Caeli Gracia Allodya Refline Ariyanto(M0722065)

Latar Belakang

Alkohol merupakan salah satu cairan yang termasuk ke dalam zat adiktif. Alkohol akan menyebabkan ketergantungan yang dapat menyebabkan berbagai masalah kesehatan fisik dan psikologis. Sebagian besar beban penyakit disebabkan oleh konsumsi alkohol yang timbul dari cedera yang tidak disengaja maupun disengaja. Pada umumnya, dampak konsumsi alkohol terhadap kesehatan kronis dan akut ditentukan oleh total volume alkohol yang dikonsumsi dan pola minumnya.

Konsumi alkohol terus menerus akan menimbulkan efek jangka panjang. Efek jangka panjang yang terjadi dapat berupa gejala keracunan alkohol termasuk gangguan bicara, koordinasi, penilaian dan penglihatan. Selain itu, alkohol dapat mengiritasi perut sehingga menyebabkan mual dan muntah, alkohol juga dapat menyebabkan dehidrasi, serta dapat menyebabkan perubahan suasana hati seperti kecemasan, depresi dan agresi. Ketergantungan alkohol ditandai dengan keinginan kompulsif untuk mencari dan minum alkohol terus menerus meskipun ada konsekuensi negatif. Konsumsi alkohol akan memiliki dampak yang signifikan pada kesehatan individu, keluarga, dan masyarakat. Dampak dari konsumsi alkohol sendiri akan menimbulkan kecelakaan dan cedera, meningkatkan risiko kekerasan, menyebabkan masalah keluarga, menyebabkan masalah keuangan, hingga kematian. Oleh karena itu, akan diuji ada tidaknya perbedaan konsumsi alkohol di tahun 2010 dan tahun 2015. Hal ini dikarenakan dapat terjadi penurunan atau peningkatan mengkonsumsi alkohol di tahun 2010 dan 2015, yang dapat disebabkan karena beberapa faktor, seperti peningkatan kesadaran masyarakat tentang bahaya alkohol, adanya kebijakan pemerintah, serta perubahan gaya hidup yang lebih sehat.

Analisis Data

Library

Langkah yang pertama yang dapat dilakukan adalah mempersiapkan library yang akan digunakan dalam analisis data menggunakan software R. Library dapat menggunakan berbagai fungsi dan alat yang diperlukan untuk melakukan analisis data yang lebih efisien dan efektif.

library(readxl)     
library (ggplot2)   
library(rmarkdown)
library(knitr)
library(tinytex)
library(kableExtra)

Import Data

Langkah selanjutnya adalah mengimport data yang akan digunakan dari file excel ke dalam R. Data yang akan digunakan pada analisis ini adalah data konsumsi alkohol pada tahun 2010 dan tahun 2015. Berikut variabel-variabel yang akan digunakan dalam analisis ini :

• Country : Terdapat 179 negara yang terdaftar

• Year : Tahun pengamatan yang diambil adalah tahun 2010 dan tahun 2015

• Alcohol_consumption : Mewakili tingkat konsumsi alkohol setiap negara

#Input Data
library(readxl)
library(kableExtra)
data <- read_excel("C:\\Users\\windows\\Documents\\Kuliah\\Sem 4\\Sistem Informasi Manajemen\\Case Method 2\\Data_sim.xlsx")
kable(data)
No Country X Y
1 Afghanistan 0.02 0.00
2 Albania 4.88 4.33
3 Algeria 0.35 0.55
4 Angola 7.58 6.53
5 Antigua and Barbuda 7.16 9.06
6 Argentina 8.15 8.49
7 Armenia 4.23 4.04
8 Australia 10.52 9.68
9 Austria 12.10 11.60
10 Azerbaijan 0.99 0.51
11 Bahamas The 9.21 9.27
12 Bahrain 1.96 1.53
13 Bangladesh 0.00 0.01
14 Barbados 8.66 9.68
15 Belarus 14.43 9.79
16 Belgium 10.27 10.36
17 Belize 6.47 6.71
18 Benin 1.35 1.53
19 Bhutan 0.23 0.04
20 Bolivia 3.37 3.15
21 Bosnia and Herzegovina 4.57 4.90
22 Botswana 5.70 6.14
23 Brazil 7.16 6.63
24 Brunei Darussalam 0.25 0.67
25 Bulgaria 9.82 10.89
26 Burkina Faso 5.44 7.03
27 Burundi 4.61 3.99
28 Cabo Verde 4.93 4.54
29 Cambodia 2.16 3.34
30 Cameroon 5.88 4.55
31 Canada 8.40 8.00
32 Central African Republic 1.96 0.90
33 Chad 0.55 0.66
34 Chile 7.55 7.89
35 China 5.75 5.66
36 Colombia 4.22 4.16
37 Comoros 0.13 0.14
38 Congo Dem. Rep. 4.02 4.47
39 Congo Rep. 1.75 2.05
40 Costa Rica 3.74 3.19
41 Cote d’Ivoire 1.12 1.54
42 Croatia 10.71 9.64
43 Cuba 4.28 4.65
44 Cyprus 11.33 9.59
45 Czechia 12.68 12.76
46 Denmark 10.27 9.42
47 Djibouti 0.48 0.32
48 Dominican Republic 5.54 5.39
49 Ecuador 3.97 3.69
50 Egypt Arab Rep. 0.21 0.18
51 El Salvador 2.30 2.54
52 Equatorial Guinea 8.96 8.11
53 Eritrea 1.13 1.03
54 Estonia 14.97 16.72
55 Eswatini 6.49 7.49
56 Ethiopia 0.40 0.76
57 Fiji 2.42 2.63
58 Finland 9.72 8.52
59 France 12.30 11.87
60 Gabon 8.36 8.06
61 Gambia The 2.82 2.69
62 Georgia 7.72 6.95
63 Germany 11.58 11.06
64 Ghana 1.60 1.75
65 Greece 8.33 6.68
66 Grenada 7.71 8.20
67 Guatemala 2.03 1.65
68 Guinea 0.20 0.38
69 Guinea-Bissau 3.06 3.13
70 Guyana 5.56 5.48
71 Haiti 2.28 2.78
72 Honduras 2.69 2.49
73 Hungary 10.70 10.95
74 Iceland 6.79 7.66
75 India 2.73 3.00
76 Indonesia 0.08 0.08
77 Iran Islamic Rep. 0.03 0.01
78 Iraq 0.16 0.16
79 Ireland 11.57 10.81
80 Israel 2.78 2.74
81 Italy 6.95 7.14
82 Jamaica 2.94 3.27
83 Japan 8.28 8.55
84 Jordan 0.46 0.30
85 Kazakhstan 3.94 3.33
86 Kenya 1.52 1.65
87 Kiribati 0.49 0.35
88 Kuwait 0.00 0.00
89 Kyrgyz Republic 6.02 5.37
90 Lao PDR 6.10 7.09
91 Latvia 9.83 10.80
92 Lebanon 1.37 1.15
93 Lesotho 2.75 3.07
94 Liberia 3.65 3.18
95 Libya 0.00 0.01
96 Lithuania 13.22 14.20
97 Luxembourg 11.84 11.37
98 Madagascar 0.96 0.86
99 Malawi 1.69 2.04
100 Malaysia 0.52 0.55
101 Maldives 1.58 1.26
102 Mali 0.60 0.62
103 Malta 6.99 7.37
104 Mauritania 0.00 0.00
105 Mauritius 3.15 2.83
106 Mexico 4.05 4.24
107 Micronesia Fed. Sts. 1.75 1.59
108 Moldova 6.92 6.76
109 Mongolia 7.73 8.35
110 Montenegro 9.94 8.49
111 Morocco 0.47 0.39
112 Mozambique 0.79 1.22
113 Myanmar 0.97 1.47
114 Namibia 1.40 2.63
115 Nepal 0.23 0.24
116 Netherlands 9.34 8.30
117 New Zealand 9.62 8.68
118 Nicaragua 3.33 3.72
119 Niger 0.11 0.12
120 Nigeria 5.22 4.51
121 North Macedonia 3.53 3.57
122 Norway 6.59 5.97
123 Oman 0.51 0.45
124 Pakistan 0.04 0.04
125 Panama 6.10 6.84
126 Papua New Guinea 0.73 1.36
127 Paraguay 6.27 5.21
128 Peru 5.23 5.68
129 Philippines 4.73 4.52
130 Poland 10.07 10.47
131 Portugal 11.26 10.34
132 Qatar 1.07 1.03
133 Romania 10.01 9.45
134 Russian Federation 10.82 8.06
135 Rwanda 7.13 6.31
136 Samoa 2.96 2.10
137 Sao Tome and Principe 5.00 5.00
138 Saudi Arabia 0.00 0.00
139 Senegal 0.18 0.19
140 Serbia 8.87 7.20
141 Seychelles 5.54 8.70
142 Sierra Leone 3.48 3.06
143 Singapore 1.84 1.82
144 Slovak Republic 10.16 10.27
145 Slovenia 10.33 11.49
146 Solomon Islands 1.09 1.01
147 Somalia 0.00 0.00
148 South Africa 7.07 7.20
149 Spain 8.94 10.35
150 Sri Lanka 2.31 2.72
151 St. Lucia 10.33 9.23
152 St. Vincent and the Grenadines 7.19 7.41
153 Suriname 5.27 4.75
154 Sweden 7.38 7.13
155 Switzerland 10.01 9.62
156 Syrian Arab Republic 0.77 0.23
157 Tajikistan 0.68 0.92
158 Tanzania 6.95 7.86
159 Thailand 6.19 6.95
160 Timor-Leste 0.10 0.41
161 Togo 1.26 1.36
162 Tonga 1.24 0.23
163 Trinidad and Tobago 5.79 5.97
164 Tunisia 1.26 1.50
165 Turkiye 1.42 1.32
166 Turkmenistan 2.90 3.36
167 Uganda 8.55 7.44
168 Ukraine 7.77 6.04
169 United Arab Emirates 1.69 2.12
170 United Kingdom 10.01 9.59
171 United States 8.56 8.78
172 Uruguay 5.99 6.00
173 Uzbekistan 1.74 2.59
174 Vanuatu 1.36 1.42
175 Venezuela RB 7.40 6.21
176 Vietnam 2.26 2.98
177 Yemen Rep. 0.06 0.03
178 Zambia 2.79 3.50
179 Zimbabwe 3.38 3.84

Dimana

X = Konsumsi Alkohol Pada Tahun 2010

Y = Konsumsi Alkohol Pada Tahun 2015

Uji Normalitas

Uji normalitas merupakan salah satu uji asumsi klasik untuk mengetahui apakah data berasal dari populasi yang berdistribusi normal atau diambil dari populasi normal. Distribusi normal adalah distribusi yang simetris dengan modus, mean, dan median berada di pusat.terdapat beberapa cara untuk melakukan uji normalitas, salah satunya adalah Q-Q plot. Q-Q plot adalah suatu scatter plot yang membandingkan distribusi empiris dengan fitted distribution dalam kaitannya dengan nilai dimensi suatu variabel. Kriteria normalitas data menurut aturan Q-Q plot adalah jika sampel berasal dari suatu populasi yang berdistribusi normal, maka titik-titik nilai data akan terletak kurang lebih dalam satu garis. Syarat untuk melakukan uji non parametrik adalah data tidak berdistribusi normal, maka dari itu sebelum melakukan uji yang lainnya diperlukan untuk melakukan uji normalitas sebagai berikut :

  1. Hipotesis

    H0 : Data berdistribusi normal

    H1 : Data tidak berdistribusi normal

  2. Taraf Signifikansi

    α = 0.05

  3. Daerah Kritis

    H0 ditolak jika nilai p-value < 0.05

  4. Statistik Uji

    Uji normalitas dengan Q-Q plot untuk data Alcohol Consumption Tahun 2010

set.seed(1234)
res.cem1 = as.numeric(data$`X`)
qqnorm(res.cem1,datax=T, col="blue")
qqline(rnorm(length(res.cem1),mean(res.cem1),sd(res.cem1)),datax=T, col="red")

Uji normalitas dengan Q-Q plot untuk data Alcohol Consumption Tahun 2015

set.seed(1234)
res.cem1 = as.numeric(data$`Y`)
qqnorm(res.cem1,datax=T, col="blue")
qqline(rnorm(length(res.cem1),mean(res.cem1),sd(res.cem1)),datax=T, col="red")

  1. Kesimpulan

    Berdasarkan perhitungan uji menggunakan software minitab, didapatkanhasil bahwa kedua data konsumsi alkohol tahun 2010 dan tahun 2015 menghasilkan nilai p-value <0.05, maka H0 ditolak yang berarti data-data tersebut tidak berdistribusi normal. Berdasarkan hasil Q-Q plot, titik-titik data tidak terletak dalam satu garis, maka dapat disimpulkan bahwa data tidak berdistribusi normal.

Uji Independensi

Uji independensi adalah salah satu uji yang harus dilakukan sebelum melakukan uji Mann-Whitney. Sampel yang digunakan dalam uji ini berasal dari satu populasi, dimana ukuran sampelnya (n) ditentukan terlebih dahulu. Uji independensi bertujuan untuk mengetahui apakah terdapat hubungan antara dua variabel kategorik, dengan kata lain untuk mengetahui independensi antara variabel baris dan kolom. Maka dari itu akan dilakukan uji independensi pada data ini sebelum melakukan uji Mann-Whitney, sebagai berikut :

  1. Hipotesis

    H0 : Data Konsumsi alkohol pada tahun 2010 dan tahun 2015 saling dependen

    H1 : Data Konsumsi alkohol pada tahun 2010 dan tahun 2015 saling independen

  2. Taraf Signifikansi

    α = 0.05

  3. Daerah Kritis

    H0 ditolak jika nilai p-value < 0.05

  4. Statistik Uji

    Uji independensi untuk data Alcohol Consumption pada tahun 2010 dan tahun 2015

test_result <- chisq.test(data$X, data$Y)
## Warning in chisq.test(data$X, data$Y): Chi-squared approximation may be
## incorrect
test_result
## 
##  Pearson's Chi-squared test
## 
## data:  data$X and data$Y
## X-squared = 25843, df = 25120, p-value = 0.0006955

  1. Kesimpulan

    Berdasarkan hasil output, didapatkan nilai p-value = 0.0006955 < 0.05, maka H0 ditolak yang berarti data Konsumsi alkohol pada tahun 2010 dan tahun 2015 saling independen.

Karena setelah dilakukan uji normalitas dan uji independensi didapatkan hasil bahwa data tidak berdistribusi normal dan data saling independen, maka dapat dilakukan uji selanjutnya yaitu Uji Mann-Whitney.

Uji Mann-Whitney

Uji Mann-Whitney merupakan salah satu uji non parametrik yang digunakan untuk menguji ada tidaknya perbedaan dari dua populasi yang saling independen. Uji Mann-Whitney ini merupakan alternatif dari uji t ketika asumsi normalitas tidak dipenuhi. Data terdiri dari dua sampel acak x1,x2,…,xn dan y1,y2,…,yn. Dua sampel tersebut nantinya akan digabung dan diranking dari 1 sampai n+m. Ranking pada Xi akan dinyatakan dalam R(Xi), sedangkan rangking pada Yi dinyatakan dalam R(Yi). Sebelum melakukan uji Mann-Whitney, asumsikan bahwa dua sampel yang diambil merupakan sampel random dari masing-masing populasi dan kedua sampel saling independen. Terdapat dua kondisi statistik uji yang digunakan pada uji Mann-Whitney. Jika tidak terdapat tie atau terdapat beberapa tie, jumlah rank bertanda untuk populasi 1 dapat menggunakan statistik uji sebaga berikut :

\[T= \sum_{i=1}^N R(Xi)\] Jika terdapat banyak tie, dapat dilakukan dengan cara mengurangi mean dari T dan membaginya dengan standart deviasi, berikut untuk rumus statistik uji : \[T1= \frac{{T-}\frac {n(N+!)}{2}}{\sqrt{\frac{nm}{N(N-1)}\sum Ri^2 - \frac{nm(N+1)}{4(N-1)}}}\] dimana \[\sum_{i=1}^N Ri^2\] menunjukkan jumlah kuadrat dari semua N rank atau rata-rata rank yang digunakan dalam kedua sampel.

Berikut ini hasil analisis data konsumsi alkohol pada tahun 2010 dan tahun 2015 menggunakan uji Mann-Whitney :

  1. Hipotesis

    H0 : Tidak terdapat perbedaan rata-rata konsumsi alkohol pada tahun 2010 dan tahun 2015

    H1 : Terdapat perbedaan rata-rata konsumsi alkohol pada tahun 2010 dan tahun 2015

  2. Taraf Signifikansi

    α = 0.05

  3. Daerah Kritis

    H0 ditolak jika nilai p-value < 0.05

  4. Statistik Uji

    Uji Mann-Whitney untuk data Alcohol Consumption pada tahun 2010 dan tahun 2015

wilcox.test(data$X, data$Y, alternative = "two.sided", na.rm = TRUE)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  data$X and data$Y
## W = 16112, p-value = 0.9259
## alternative hypothesis: true location shift is not equal to 0
  1. Kesimpulan Berdasarkan hasil output, didapatkan nilai p-value = 0.9259 > 0.05, maka H0 diterima yang berarti tidak terdapat perbedaan pada rata-rata konsumsi alkohol pada tahun 2010 dan tahun 2015.

Interval Konfidensi Selisih Dua Mean

Metode yang digunakan untuk mencari interval konfidensi selisih dua mean adalah berdasarkan statistik uji dari Mann-Whitney. Terdapat beberapa anggapan dalam mencari interval konfidensi selisih dua mean, yaitu kedua sampel adalah random dari masing-masing populasi, kedua sampel saling independen, serta tidak ada anggapan tentang kontinuitas. Dalam mencari interval konfidensi selisih dua mean dapat dilakukan dengan menggunakan software R. Berikut analisis mencari interval konfidensi selisih dua mean pada data ini :

wilcox.test(data$X, data$Y, alt="two.sided", conf.int=T, conf.level=0.95, paired=TRUE)
## 
##  Wilcoxon signed rank test with continuity correction
## 
## data:  data$X and data$Y
## V = 7811.5, p-value = 0.4799
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##  -0.0649930  0.1300344
## sample estimates:
## (pseudo)median 
##     0.03495836

Pada perhitungan mencari interval konfidensi selisih dua mean digunakan wilcox.test() untuk melakukan uji non-parametrik sign rank test. Pada sintaks diatas juga digunakan alternative untuk menentukan jenis uji hipotesis, dimana pada kasus ini adalah uji dua sisi (“two.sided”). Tingkat kepercayaan yang digunakan adalah 95%. Dari hasil output, didapatkan hasil L=-0.0649930 dan U=0.1300344. Maka dari itu didapatkan persamaan interval konfidensi selisih duamean sebagai berikut : \[P(-0.0649930<= E(X) - E(Y)<=0.1300344)\] Dapat diartikan bahwa interval konfidensi selisih dua mean Mann-Whitney pada konsumsi alkohol di tahun 2010 dan tahun 2015 adalah -0.0649930 dan 0.1300344. Dikarenakan interval ini mencakup nilai nol, maka dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara konsumsi alkohol pada tahun 2010 dan tahun 2015.

Kesimpulan

Dari hasil analisis yang dilakukan, dapat disimpulkan bahwa:

  1. Syarat untuk melakukan uji Mann-Whitney adalah melakukan uji normalitas dan uji independensi. Data harus tidak berdistribusi normal dan data saling independensi. Dimana pada data konsumsi alkohol pada tahun 2010 dan tahun 2015 telah diuji normalitas dan uji independensi, Didapatkan hasil bahwa data tidak berdistribusi normal dan data saling independen, maka dapat dilakukan uji Mann-Whitney. Setelah diuji, didapatkan didapatkan nilai p-value = 0.9259 > 0.05, maka H0 diterima yang berarti tidak terdapat perbedaan pada rata-rata konsumsi alkohol pada tahun 2010 dan tahun 2015
  2. Dilakukan uji interval selisih dua mean juga, dimana didapatkan hasil bahwa nilai interval konfidensi selisih dua mean Mann-Whitney pada konsumsi alkohol di tahun 2010 dan tahun 2015 adalah -0.0649930 dan 0.1300344. Dikarenakan interval ini mencakup nilai nol, maka dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan antara konsumsi alkohol pada tahun 2010 dan tahun 2015.Berikut untuk persamaan interval konfidensi selisih duamean : \[P(-0.0649930<= E(X) - E(Y)<=0.1300344)\]