P. 1
7.Stat Inf, Pengujian Hipotesis Fk

7.Stat Inf, Pengujian Hipotesis Fk

|Views: 1,142|Likes:
Published by La Ode Rinaldi
Blok 16 Biostatistik
Blok 16 Biostatistik

More info:

Published by: La Ode Rinaldi on Jul 22, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/22/2013

pdf

text

original

Kuliah Oleh Ir. Rahayu Astuti, M.

Kes

STATISTIK INFERENSIAL, HIPOTESIS DAN PENGUJIAN HIPOTESIS STATISTIK INFERENSIAL
Pada statistik induktif/ inferensial kita akan melakukan penyimpulan / pengambilan keputusan dari suatu populasi tertentu berdasarkan sebagian data (sampel) yang dikumpulkan. Konsep dasarnya: - Distribusi sampling yaitu distribusi dari mean-mean sampel yang diambil secara berulang kali dari suatu populasi. - Sampling Error adalah kesalahan karena penelitiannya menggunakan sampel. - Standard Error (SE) adalah simpangan baku dari distribusi rata-rata sampel. - Estimasi adalah suatu metode dimana diperkirakan nilai populasi (parameter) dengan menggunakan nilai sampel (statistik). - Uji hipotesis. Tujuannya adalah untuk menguji apakah data dari sampel yang ada sudah cukup kuat untuk menggambarkan populasinya. Atau apakah bisa dilakukan generalisasi tentang populasi berdasarkan hasil sample Ukuran-ukuran untuk sampel dan populasi : Sampel Nilai (karakteristik) Mean (rata-rata hitung) Standard deviasi Varians Proporsi Jumlah unit statistik x s s2 p n Populasi Parameter

2

N

Pada uji hipotesis, dikenal uji statistik parametrik dan non parametrik UJI STATISTIK PARAMETRIK Asumsi yang digunakan dalam uji parametrik adalah: 1. Populasi berdistribusi normal 2. Skala data interval/rasio (data numerik) 3. Kesamaan varians, jika membandingkan 2 atau sejumlah sampel Uji-uji parametrik adalah: 1. Satu sampel: Uji Z atau uji t satu sampel (uji beda mean satu sampel) 2. Dua sampel: Uji Z atau uji t dua sampel independent (independent t test) 3. Tiga atau lebih sampel: - One way anova, two faktor anova, ancova, mancova. 4. Uji hubungan : korelasi dan regresi

1

UJI STATISTIK NON PARAMETRIK Digunakan bila asumsi pada uji parametrik tidak dipenuhi. Digunakan pada keadaan: 1. Distribusi populasi tidak normal 2. Skala data nominal/ ordinal (data kategorik) Catatan: jika data numerik tetapi distribusi data tidak normal, gunakan uji non parametrik. Uji statistik non-parametrik disebut juga statistik bebas distribusi (distribution free statistic), karena prosedur pengujiannya tidak berdasarkan asumsi distribusi populasi normal dan dapat dilakukan walaupun dengan sampel yang sedikit. Uji-uji non parametrik adalah: 1. Satu sampel: Uji Chi Square (goodness of fit), uji binomial, uji tanda dsb 2. Dua sampel independent: Uji Chi Square (independensi), uji median, uji Man Whitney dsb 3. Dua sampel dependent: Uji Mac Nemar, Wilcoxon dsb. 4. Tiga atau lebih sampel independent: Uji Kruskal Wallis

STATISTIKA PARAMETRIK
I. PENDAHULUAN Statistik adalah ukuran yang menyimpulkan karakteristik suatu sampel. Statistik digunakan untuk penaksiran parameter populasi dan menguji hipotesis tentang keadaan parameter populasi. Parameter adalah ukuran yang menyimpulkan karakteristik suatu populasi Parameter di populasi statistik pada sampel Rata-rata x Standard deviasi s atau SD Varians 2 s2 Proporsi ∏ p Koef. Korelasi ρ r Statistika Parametrik menggunakan parameter populasi sebagai basis pemahaman seperti dan yang dalam tingkatan sampel menggunakan x dan s (SD). Ciri dalam statistika parametrik adalah data yang mempunyai skala pengukuran interval dan rasio. Dalam statistika inferensial parametrik distribusi variabel random x yang mendasari perlu dipertimbangkan. Bila x adalah variabel random yang kontinyu distribusi yang mendasari adalah distribusi normal. Jadi distribusi variabel random ini mempunyai peran yang besar dalam statistika parametrik

2

II. TEKNIK STATISTIKA PARAMETRIK A. Asumsi 1. Data yang digunakan mempunyai skala pengukuran interval atau rasio 2. Data diambil dari populasi yang mempunyai distribusi normal. Distribusi normal mrp distribusi probabilitas dengan ciri: a). Mempunyai bentuk lonceng (bell-shaped). b). Simetris dimana nilai mean= nilai median=nilai modus c). Kedua ekor mendekati sumbu x secara asimptotik d). Merupakan distribusi probabilitas dengan peluang sebagai berikut: Untuk rentang Untuk rentang Untuk rentang KURVA NORMAL Perubahan grafiknya dapat dilihat dalam gambar dibawah ini: f (x) Rata-rata = Simpangan baku = ±1 ±2 ±3 meliputi area probabilitas 68,27% meliputi area probabilitas 95,45% meliputi area probabilitas 99,73%

-3

-2

-1

+1

+2

+3

x =0 =1

f (z)

-3 Transformasinya:

-2

-1

0

1

2

3

z

x Z =

3

III. JENIS ANALISIS STATISTIK PARAMETRIK 1. Menaksir parameter populasi 2. Menguji hipotesis tentang parameter di populasi 1) Statistik uji komparatif a. Uji t satu sampel b. Uji t berpasangan (paired t test) c. Uji t untuk 2 sampel independent d. Analisis varian (Anava) 2). Statistik uji korelatif a. Uji korelasi Pearson b. Regresi Linier Sederhana

HIPOTESIS DAN PENGUJIAN HIPOTESIS
PENDAHULUAN Seperti kita ketahui bahwa nilai yang berasal dari sampel dapat digunakan untuk mengestimasi nilai populasi yang tidak diketahui. Pada bab ini akan dibahas penarikan kesimpulan (menggeneralisir) nilai yang berasal dari sampel terhadap keadaan populasi melalui pengujian hipotesis. Pengujian hipotesis dapat berguna untuk membantu pengambilan keputusan tentang apakah suatu hipotesis yang diajukan, seperti perbedaan atau hubungan, cukup meyakinkan untuk ditolak atau tidak ditolak. Keyakinan ini didasarkan pada besarnya peluang untuk memperoleh hubungan tersebut secara kebetulan (by chance). Semakin kecil peluang tersebut (peluang adanya by chance), semakin besar keyakinan bahwa hubungan tersebut memang ada. Kesimpulan yang didapat dari hasil pengujian hipotesis ada dua kemungkinan yaitu menolak hipotesis atau gagal menolak hipotesis. PENGERTIAN : Hipotesis sesuai dengan asal katanya (hypo berarti dibawah, thesis berarti dalil, kaidah, hukum), adalah pernyataan tentang suatu dalil atau kaidah, tetapi kebenarannya belum terujikan secara empirik. Dengan demikian, dikaitkan dengan dengan masalah penelitian, hipotesis merupakan jawaban sementara terhadap permasalahan yang diajukan, yang kebenaran jawaban ini akan dibuktikan secara empirik dengan penelitian yang akan dilakukan. Secara lebih operasional yaitu : “Suatu pernyataan sementara yang perlu diuji kebenarannya.” MACAM HIPOTESIS Dalam pernyataannya, terdapat dua macam hipotesis statistik yaitu hipotesis nol (Ho) dan hipotesis alternatif (Ha). a). Hipotesis nol (Ho) Hipotesis nol adalah pernyataan yang menyatakan tidak ada perbedaan suatu kejadian antara kedua kelompok. Atau hipotesis yang menyatakan tidak ada hubungan antara variabel satu dengan variabel yang lain.

4

Contoh : 1. Tidak ada hubungan antara kehamilan dengan kadar hemoglobin ibu 2. Tidak ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil sama dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil.. b). Hipotesis alternatif (Ha) Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua kelompok. Atau hipotesis yang menyatakan ada hubungan variabel satu dengan variabel yang lain. Contoh : 1. Ada hubungan antara kehamilan dengan kadar hemoglobin ibu. 2. Ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil berbeda dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil. ARAH/BENTUK HIPOTESIS Bentuk hipotesis alternatif akan menentukan arah uji statistik apakah satu arah (one tail) atau dua arah (two tail). 1. One tail (satu sisi) : Bila hipotesis alternatifnya menyatakan adanya perbedaan dan ada pernyataan yang mengatakan hal yang satu lebih tinggi/rendah dari hal yang lain. Contoh : Rata-rata kadar hemoglobin populasi ibu tidak hamil lebih tinggi dari rata-rata kadar hemoglobin populasi ibu yang hamil. 2. Two tail (dua sisi) : merupakan hipotesis alternatif yang hanya menyatakan perbedaan tanpa melihat apakah hal yang satu lebih tinggi/ rendah dari hal yang lain. Contoh : Ada perbedaan rata-rata kadar hemoglobin antara ibu yang hamil dengan ibu yang tidak hamil. Atau Rata-rata kadar hemoglobin populasi ibu hamil berbeda dengan rata-rata kadar hemoglobin populasi ibu yang tidak hamil. Contoh penulisan hipotesis Suatu penelitian ingin mengetahui hubungan antara merokok dengan tekanan darah maka hipotesisnya adalah : Ho : Ha :
1

=

2

1

2

( Tidak ada perbedaan mean tekanan darah antara orang yang merokok dengan yang tidak merokok ). (Ada perbedaan mean tekanan darah antara orang yang merokok Dengan yang tidak merokok ).

Ho : Ha :

= 0 (Tidak ada korelasi antara jumlah rokok yang dihisap dengan tekanan darah) > 0 (Ada korelasi positif antara jumlah rokok yang dihisap dengan tekanan darah)

5

Asumsi hipotesis nol Pada satu hipotesis ilmiah, dimungkinkan untuk dapat diajukan satu atau beberapa hipotesis statistik. Sebagaimana suatu proses pengujian di ruang sidang, maka pernyataan yang diuji adalah adalah pernyataan yang menggambarkan praduga tak bersalah. Jadi pernyataan hipotesis yang diuji secara statistik adalah hipotesis nol. Dapat diingat bahwa sejak awal proses pengujian, maka hipotesis nol dianggap atau diasumsikan benar. KESALAHAN PENGAMBILAN KEPUTUSAN Dalam pengujian hipotesis kita selalu dihadapkan pada suatu kesalahan pengambilan keputusan. Ada dua jenis kesalahan pengambilan keputusan dalam uji statistik, yaitu : 1. Kesalahan tipe I ( ) Merupakan kesalahan menolak Ho padahal sesungguhnya Ho benar. Artinya menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada perbedaan. Peluang kesalahan tipe I adalah atau sering disebut Tingkat Signifikansi (significance level). Sebaliknya peluang untuk tidak membuat kesalahan tipe I adalah sebesar 1 - , yang disebut dengan Tingkat Kepercayaan (confidence level). 2. Kesalahan tipe II ( ) Merupakan kesalahan tidak menolak Ho padahal sesungguhnya Ho salah. Artinya menyimpulkan tidak ada perbedaan padahal sesungguhnya ada perbedaan. Peluang untuk membuat kesalahan tipe II adalah sebesar . Peluang untuk tidak membuat kesalahan tipe II adalah sebesar 1 - , dan dikenal sebagai Tingkat Kekuatan Uji (power of the test). Kesalahan pengambilan keputusan Keputusan Populasi Ho benar Ho salah Tidak menolak Ho Benar (1 - ) Menolak Ho Benar ( 1 - ) Power of the test ( Kekuatan uji ) = 1 Merupakan peluang untuk menolak hipotesis nol ( Ho), ketika Ho memang salah. Atau kemampuan untuk mendeteksi adanya perbedaan bermakna antara kelompok-kelompok yang diteliti ketika perbedaan –perbedaan itu memang ada . Dalam pengujian hipotesis kita menghendaki agar dan kecil atau 1 - besar. MENENTUKAN TINGKAT KEMAKNAAN Tingkat kemaknaan merupakan kesalahan tipe I yang diberi notasi . Setelah menentukan Ho dan Ha langkah selanjutnya adalah menentukan kriteria/ batasan yang digunakan untuk memutuskan apakah hipotesis nol ditolak atau gagal ditolak yang disebut dengan tingkat kemaknaan (level of significance). Tingkat kemaknaan, atau sering disebut dengan nilai , merupakan nilai yang menunjukkan besarnya peluang salah dalam menolak hipotesis nol. Atau dengan kata lain, nilai merupakan batas toleransi peluang salah dalam menolak hipotesis nol Dapat dikatakan bahwa nilai merupakan nilai batas maksimal kesalahan menolak Ho atau batas maksimal peluang mendapatkan hipotesis nol yang benar.

6

Bila kita menolak Ho berarti menyatakan adanya perbedaan / hubungan. Sehingga nilai dapat diartikan pula sebagai batas maksimal kita salah menyatakan adanya perbedaan. Penentuan nilai alpha ( ) tergantung dari tujuan dan kondisi penelitian. Nilai yang sering digunakan adalah 10 %, 5 %, 1 %, Untuk bidang kesehatan masyarakat biasanya digunakan nilai sebesar 5 %. Sedangkan untuk pengujuan obat-obatan digunakan batas toleransi kesalahan yang lebih kecil misalnya 1 %, karena mengandung risiko yang fatal. KEPUTUSAN UJI STATISTIK Hasil pengujian statistik menghasilkan dua kemungkinan keputusan yaitu menolak hipotesis nol dan gagal menolak hipotesis nol. Keputusan uji statistik dapat dicari dengan dua pendekatan yaitu pendekatan klasik dan penekatan probabilistik. 1. Pendekatan klasik Untuk memutuskan apakah Ho ditolak atau gagal ditolak, dapat digunakan dengan cara membandingkan nilai perhitungan uji statistik dengan nilai pada tabel. Nilai tabel yang dilihat sesuai dengan jenis distribusi uji yang kita lakukan. Ketentuan : Bila nilai perhitungan uji statistik lebih besar dibandingkan nilai yang berasal dari tabel (nilai perhitungan > nilai tabel), maka keputusannya : Ho ditolak. Ho ditolak, artinya: ada perbedaan kejadian (mean/proporsi) yang signifikan antara kelompok data satu dengan kelompok data yang lain. Bila nilai perhitungan uji statistik lebih kecil dibandingkan nilai yang berasal dari tabel ( nilai perhitungan < nilai tabel), maka keputusannya : Ho gagal ditolak. Ho gagal ditolak, artinya: tidak ada perbedaan kejadian (mean/ proporsi) antara kelompok data satu dengan kelompok data yang lain. Perbedaan yang ada hanya akibat dari faktor kebetulan (by chance). 2. Pendekatan probabilistik Setiap kita melakukan uji statistik dengan menggunakan komputer maka akan ditampilkan / dikeluarkan nilai p (p-value). Dengan nilai p kita dapat menggunakan untuk keputusan uji statistik dengan cara membandingkan nilai p dengan nilai . Ketentuan : Bila nilai p nilai maka keputusannya adalah Ho ditolak Bila nilai p nilai maka keputusannya adalah Ho gagal ditolak Perlu diketahui bahwa nilai p two tail adalah dua kali nilai p one tail, berarti kalau tabel yang digunakan adalah tabel one tail sedangkan uji statistik yang dilakukan two tail maka nilai p dari tabel harus dikalikan 2. Dengan demikian dapat disederhanakan dengan rumus: nilai p two tail = 2 x nilai p one tail. NILAI p (p-value) Pengertian nilai p Nilai p merupakan nilai yang menunjukkan besarnya peluang untuk mendapatkan Ho yang benar Harapan kita nilai p adalah sekecil mungkin, sebab bila nilai p nya kecil maka kita yakin bahwa adanya perbedaan pada hasil penelitian

7

menunjukkan pula adanya perbedaan di populasi. Dengan kata lain kalau nilai p nya kecil maka peluang bahwa tidak ada perbedaan adalah kecil. Nilai p dapat diartikan pula sebagai besarnya nilai peluang hasil penelitian (misalnya adanya perbedaan mean atau proporsi) terjadi karena faktor kebetulan (by chance). Kalau nilai p nya kecil maka perbedaan yang ada pada penelitian terjadi karena faktor kebetulan (by chance) adalah kecil. Perbedaan substansi/ klinis dan perbedaan statistik Perlu disadari oleh peneliti bahwa berbeda bermakna/ signifikan secara statistik tidak berarti (belum tentu) bahwa perbedaan tersebut juga bermakna dipandang dari segi substansi/ klinis. Seperti diketahui bahwa semakin besar sampel yang dianalisis akan semakin besar menghasilkan kemungkinan berbeda bermakna. Dengan sampel besar perbedaan-perbedaan sangat kecil, yang sedikit atau bahkan tidak mempunyai manfaat secara substansi/ klinis dapat berubah menjadi bermakna secara statistik. Oleh karena itu arti kegunaan dari setiap penemuan jangan hanya dilihat secara statistik saja, tapi harus juga dilihat dari kegunaan dari segi substansi/klinis. PEMILIHAN METODE STATISTIK PARAMETRIK DAN NON PARAMETRIK Dalam pengujian hipotesis sangat berhubungan dengan distribusi data populasi yang akan diuji. Bila distribusi data populasi yang akan diuji berbentuk normal/simetris/Gauss, maka proses pengujian dapat digunakan dengan pendekatan uji statistik parametrik. Sedangkan bila distribusi data populasinya tidak normal atau tidak diketahui distribusinya maka dapat digunakan pendekatan uji statistik non parametrik Kenormalan suatu data dapat juga dilihat dari jenis variabelnya. Bila variabelnya berjenis numerik/ kuantitatif maka perlu dilihat distribusi datanya normal atau tidak Bila distribusinya normal maka gunakan uji statistik parametrik, sedangkan bila distribusi datanya tidak normal maka gunakan uji statistik non parametrik. Bila jenis variabelnya katagorik/ kualitatif maka bentuk distribusinya tidak normal, sehingga uji statistik non parametrik yang digunakan. PROSEDUR UJI HIPOTESIS 1. Menetapkan hipotesis 2. Menentukan tingkat kemaknaan 3. Menetapkan uji statistik yang sesuai 4. Penghitungan uji statistik 5. Keputusan uji statistik 6. Pengambilan kesimpulan 1. Menetapkan hipotesis Tetapkan hipotesis nol (Ho) dan hipotesis alternatif (Ha). Dari hipotesis alternatif akan diketahui apakah uji statistik menggunakan satu arah (one tail) atau dua arah (two tail). 2. Menentukan tingkat kemaknaan Batas/tingkat kemaknaan, sering disebut dengan nilai . Penggunaan nilai alpha tergantung tujuan penelitian yang dilakukan, untuk bidang kesehatan masyarakat biasanya menggunakan nilai = 5%.

8

3. Menentukan uji statistik yang sesuai Ada beragam uji statistik. Setiap uji statistik mempunyai persyaratan tertentu yang harus dipenuhi. Oleh karena itu harus digunakan uji statistik yang tepat sesuai dengan data yang diuji. Jenis uji statistik sangat tergantung dari: 1). Jenis variabel yang akan diteliti (numerik atau katagorik) 2). Jenis distribusi data (normal atau tidak normal) 4. Penghitungan uji statistik Penghitungan uji statistik adalah menghitung data sampel kedalam uji hipotesis yang sesuai dengan data yang akan diuji. 5. Keputusan uji statistik Hasil pengujian statistik akan menghasilkan dua kemungkinan keputusan yaitu menolak atau gagal menolak hipotesis nol. Dengan menggunakan pendekatan klasik, untuk memutuskan apakah Ho ditolak atau gagal ditolak dapat digunakan dengan cara membandingkan nilai perhitungan uji statistik dengan nilai pada tabel. Nilai tabel yang dilihat sesuai dengan jenis distribusi uji yang kita lakukan, misalnya kalau kita lakukan uji Z maka nilai tabel dilihat dari tabel Z (tabel kurva normal). Jika kita menggunakan uji t maka setelah diperoleh nilai perhitungan uji t kemudian dibandingkan nilai yang ada pada tabel t. Besarnya nilai tabel sangat tergantung dari besarnya nilai alpha ( ) dan tergantung dari apakah uji yang digunakan one tail atau two tail. *Uji dua arah/ dua sisi/two tail

daerah penolakan daerah penerimaan (1 /2 )

daerah penolakan

/2

* Uji satu arah/ satu sisi/ one tail Pihak kanan daerah penolakan daerah penerimaan (1 )

Pihak kiri daerah penolakan daerah penerimaan (1 )

9

Aturan pengambilan keputusan, dengan contoh menyangkut distribusi normal 1. Uji dua arah Hipotesis : Ho : Ha : Pada Pada

=C C

atau atau

1 1

=

2 2

= 1% maka /2 = 0,05  Z 2,58 = 5% maka /2 = 0,025  Z 1,96

Bila Z hitung > 1,96 atau Z hitung < - 1,96  Tolak Ho pada taraf kemaknaan 5%. Artinya ada perbedaan atau ada hubungan Bila Z antara – 1,96 sampai dengan 1,96  Gagal tolak Ho pada taraf kemaknaan ( ) 5%. Artinya tidak ada perbedaan atau tidak ada hubungan

daerah penolakan 95% – 1,96

daerah penolakan

1,96

2. Uji satu arah a) Hipotesis : Ho : Ha : Pada Pada

=C >C

atau atau

1 1

= >

2 2

= 1%  Z = 2,33 = 5%  Z = 1,64

Bila Z hitung > 1,64  Tolak Ho pada taraf kemaknaan 5% Bila Z hitung 1,64  Gagal tolak Ho pada taraf kemaknaan ( ) 5%. daerah penolakan

95% 1,64 b). Hipotesis : Ho : Ha : =C <C 2,33 1,64 atau atau
1

= 1<

2 2

Pada Pada

= 1%  Z = = 5%  Z =

Bila Z hitung < Bila Z hitung

1,64  Tolak Ho pada taraf kemaknaan 5% 1,64  Gagal tolak Ho pada taraf kemaknaan ( ) 5%.

10

daerah penolakan 95% 1,64 Soal : 1. Apa yang dimaksud statistika inferensial ? 2. Apa yang dimaksud uji parametrik dan non parametrik ? 3. Berikan contoh uji statistik parametrik ! 4. Berikan contoh uji non parametrik ! 5. Buat contoh hipotesis nol dan hipotesis alternatif 6. Buat contoh hipótesis satu ekor (one tail) dan hipótesis dua ekor (two tail) 7. Apa yang dimaksud kesalahan tipe 1 ( ) 8. Apa yang dimaksud kesalahan tipe 2 (β) 9. Apa yang dimaksud dengan kekuatan uji 10. Jelaskan urutan pengujian hipotesis

Daftar pustaka 1. Budiarto. Biostatistika untuk kedokteran dan kesehatan masyarakat. EGC. Jakarta. 2002 2. Chandra, B. Pengantar Statistik Kesehatan. Penerbit Buku Kedokteran EGC. Jakarta.1995. 3. Dawson B, Trapp RG. Basic and Clinical Biostatistics. Third Edition. McGrawHill International Editions. Lange Medical Books, The McGraw-Hill Companies. 2001. 3. Kuzma. Basic Statistics for the Health Sciences. Mayfield Publishing Company. 1984 4. Norman and Streiner. Biostatistics : The Bare Essentials, Mosby. 1994. 5. Pagano, M dan K. Gaureau. Principles of Biostatistics. Belmont, Duxury Press. 1993. 6. Sabri dan Hastomo. Statistika kesehatan. PT Raja Grafindo Persada. Jakarta. 2006. 7. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures. Third Edition. Chapman & Hall/CRC. Florida.

11

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->