Modul Aplikasi Komputer

7/24/2019 Modul Aplikasi Komputer

http://slidepdf.com/reader/full/modul-aplikasi-komputer 1/29

MODUL APLIKASI KOMPUTER

APLIKASI MENGGUNAKAN SPSS

Oleh :

Ratna Muliawati, S.KM

PROGRAM STUDI KESEHATAN MASYARAKAT

SEKOLAH TINGGI ILMU KESEHATAN KENDAL



Ratna Muliawati, S.KM|Pengolahan dan Analisis Data ii

KATA PENGANTAR

Dalam melakukan penelitian, diperlukan kemampuan untuk menguasai berbagai

komponen metodologis yang meliputi desain penelitian, pengukuran, pemilihan sampel,

perhitungan besar sampel, pengolahan data, dan analisis data. Pengolahan data dan

analisis data merupakan dua proses penting dalam pengelolaan data untuk dapat menjadi

suatu informasi.

Dalam buku ini diberikan contoh-contoh dalam pengolahan dan analisis data beserta

tabel penyajian data dan interpretasinya. Analisis data dalam buku ini dibatasi pada analisis

sederhata yaitu hubungan antara dua variabel (bivariat).

Semoga buku ini dapat memberikan kemudahan bagi mahasiswa Program Studi

Kesehatan Masyarakat ataupun program studi yang lain untuk mempelajari pengolahan dan

analisis data. Pengetahuan tentang pengolahan dan analisis data ini diharapkan dapat

membantu saat penyelesaian skripsi ataupun tugas akhir mahasiswa. Kritik dan saran kami

terima dengan senang hati demi perbaikan dan kesempurnaan buku ini.

Kendal, 6 Juni 2013



Ratna Muliawati, S.KM|Pengolahan dan Analisis Data iii

DAFTAR ISI



ENTRY D T

SPSS merupakan perangkat lunak statistik yang bermanfaat untuk mengolah dan

mengalisis data penelitian. Sebelum memulai mengolah data, kemampuan dasar yang harus

Anda miliki adalah memasukkan (entry ) data dengan benar.

LATIHAN 1:

Anda memperoleh data sebagai berikut. Anda ingin memasukkan ke dalam program SPSS.

No. Nama Berat Badan Tinggi Badan Jenis Kelamin

1. Bahar 60 170 Laki-laki

2. Rizqi 50 160 Perempuan

3. Mita 45 156 Perempuan

4. Yoni 60 165 Laki-laki

5. Ulum 75 170 Laki-laki

6. Anwar 55 167 Laki-laki

7. Endang 42 154 Perempuan

8. Bayu 58 168 Laki-laki

9. Adib 65 166 Laki-laki

10. Tiara 44 154 Perempuan

Bagaimana memasukkan data ke dalam

ro ram SPSS?

1



Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 2

1. Buka atau aktifkan program SPSS Anda.

2. Pada menu SPSS akan muncul tampilan sebagai berikut.

3. Silakan klik Type in data (.), kemudian klik OK.

4. Layar akan terbuka seperti pada gambar berikut. Karena data belum dimasukkan,

tampilan masih kosong.

5. Aktifkan variable view sehingga muncul tampilan sebagai berikut.




Pada tampilan Variable View akan didapatkan kata Name, Type, Width, Decimals, Label,

Values, Columns, Align, Measure. Berikut penjelasan dari masing-masing istilah tersebut.

Name Kata yang mewakili nama variabel. Diisi dengan kata yang mudah

diingat yang berkaitan dengan nama variabel, misal “sex” untuk

variabel jenis kelamin.

Type Tipe data yang dimasukkan. Pilihan yang paling umum adalah

numeric (karena semua proses uji dalam SPSS dapat dilakukan

dalam bentuk numeric ) dan string (apabila data yang dimasukkan

dalam bentuk huruf/kata/kalimat seperti nama responden).

Widht Jumlah digit data yang akan dimasukkan.

Decimals Jumlah digit di belakang koma.

Labels Penjelasan rinci dari kolom name. Misalnya, dalam kolom name

Anda mengetik “sex”, label nya adalah “jenis kelamin responden”.

Values Kode yang Anda berikan apabila variabel merupakan variabel

kategorik (nominal dan ordinal). Misalnya, kode 1 untuk laki-laki,

dan kode 2 untuk perempuan.

Column Lebar kolom.

Align Pilihan tampilan variabel (rata kiri, rata kanan, atau rata tengah)

Measures Skala pengukuran variabel (nominal, ordinal, scale). Dalam

program SPSS, variabel interval dan rasio disebut sebagai scale.




Dari data latihan, Anda diminta untuk memasukkan empat variabel yaitu nama (string ), berat

badan (rasio/scale), tinggi badan (rasio/scale), dan jenis kelamin (kategorik nominal).

a. Pengisian Variabel View untuk variabel nama.

Name Isikan dengan mengetik nama.

Type Isi dengan string.

Widht Isi dengan 10 (untuk keseragaman). Pemilihan lebar kolom

tergantung dari berapa karakter nama terpanjang.

Decimals Tidak aktif.

Labels Isi dengan nama responden.

Values Tidak diisi.

Column 10 (untuk keseragaman).

Align Terserah Anda.

Measures Tidak aktif.

b. Pengisian Variabel View untuk berat badan.

Name Isikan dengan mengetik bb.

Type Isi dengan numeric.

Widht 2

Decimals Pilih 0

Labels Isi dengan berat badan responden.

Values Tidak diisi.

Column Terserah Anda


Measures Pilih scale.

c. Pengisian Variabel View untuk tinggi badan.

Name Isikan dengan mengetik tb.


Widht 3

Decimals Pilih 0

Labels Isi dengan tinggi badan responden.

Values Tidak diisi.




d. Pengisian Variabel View untuk jenis kelamin.

Name Isikan dengan mengetik sex.





Widht Terserah Anda

Decimals Pilih 0

Labels Isi dengan jenis kelamin responden.

Values Klik kotak kecil pada sisi kanan kolom values, akan terlihat

tampilan sebagai berikut.

Ketik 1 pada value.

Ketik laki-laki pada label .

Klik add .

Ketik 2 pada value.

Ketik perempuan pada label .

Klik add .

Akan terlihat tampilan sebagai berikut.

Klik OK .







Apabila Anda melakukan dengan benar, pada variable view akan memberikan tampilan

secara lengkap sebagai berikut.

6. Selanjutnya, aktifkan data view , lalu isikan sesuai dengan data pada latihan yang

diberikan. Apabila sudah selesai dan Anda mengisi dengan benar, Anda akan

memperoleh tampilan sebagai berikut.

Apabila yang Anda pilih pada menu View adalah view labels, maka tampilan yang muncul

adalah sebagai berikut.




7. Simpan file dengan nama: latihan entry data (file save as latihan entry ).



TR NSFORM SI D T

Transformasi data yaitu melakukan perubahan data dari satu skala ke skala yang lain

atau dari satu variabel ke variabel lain. Data awal yang dimasukkan dalam program SPSS

ada saatnya harus Anda ubah ke dalam skala atau variabel lain karena kepentingan tertentu.

LATIHAN 2:

Dari data yang telah diperoleh pada latihan 1, Anda ingin menambahkan variabel indeks

massa tubuh (IMT) berdasarkan variabel yang telah ada sebelumnya yaitu variabel berat

badan dan tinggi badan.

Indeks Massa Tubuh =

( )2

1. Buka file latihan entry.

2. Aktifkan data view .

3. Lakukan langkah-langkah berikut. Transform compute variable.

Pada target variable masukkan nama variabel baru yang akan dibuat, yaitu IMT .

Pada numeric expression isikan rumus perhitungannya, yaitu

∗ ( )

Tampilan pada layar sebagai berikut.

Bagaimana langkah yang dilakukan dalam

ro ram SPSS?

2




Klik OK.

Sekarang sudah muncul variabel baru dengan nama IMT seperti yang ditampilkan

pada data view sebagai berikut.

Pada variable view , lengkapi labels dengan mengetikkan indeks massa tubuh.




Proses telah selesai.

LATIHAN 3:

Dari data yang telah diperoleh pada latihan 2, Anda ingin mengategorikan IMT responden

menjadi dua kelompok, yaitu IMT ≥ 25 dikatakan sebagai obesitas, dan IMT < 25 dikatakan

sebagai normal. (Dalam hal ini, Anda mengubah variabel numerik menjadi variabel

kategorik/ordinal).

1. Klik transform recode into different variables.

2. Masukkan variabel IMT ke dalam input variable.

3. Ketik kat_IMT ke dalam name output variable, dan kategori IMT pada label output

variable.

4. Klik change. Setelah proses ini, Anda akan melihat tampilan seperti gambar berikut.

Bagaimana caranya?




5. Klik old and new values.

6. Isilah kotak old value dan kotak new value mengikuti logika berpikir.

Semua IMT ≥ 25 diubah menjadi kode 1.

IMT < 25 diubah menjadi kode 2.

7. Dengan logika di atas, isikan old value dan new value sebagai berikut.

Old value : range 25 through highest, new value 1, klik add.

Old value : range lowest through 25, new value 2, klik add.

8. Proses selesai, klik continue.

9. Klik OK . Lihat hasilnya.




10. Selanjutnya, lakukan pengisian pada variable view untuk variabel kat_IMT , masukkan

kode 1 untuk obesitas, dan kode 2 untuk normal. Anda akan melihat tampilan sebagai

berikut.



N LISIS UNIV RI T

Analisis univariat disebut juga sebagai analisis deskriptif. Hal ini dikarenakan pada

analisis univariat bertujuan menggambarkan atau mendeskripsikan karakteristik dari

variabel.

ANALISIS UNIVARIAT VARIABEL KATEGORIK

LATIHAN 4:

Anda melakukan penelitian dan sudah mengumpulkan dan memasukkan data ke SPSS.

Salah satu variabel adalah jenis kelamin. Anda ingin melakukan analisis univariat terhadap

variabel jenis kelamin. Seperti yang Anda ketahui bahwa varibel jenis kelamin merupakan

variabel kategorik, maka Anda ingin mengetahui distribusi jenis kelamin dalam bentuk tabel

dan grafik.

1. Buka file data yang akan Anda analisis.

2. Lakukan proses sebagai berikut.

Analyze descriptive statistics frequencies.

Masukkan variabel jenis kelamin ke dalam kotak variable(s).


program SPSS?

3




Klik kotak charts.

Pilih pie pada chart type.

Pilih percentages pada chart values.

Klik continue. Proses selesai, klik OK.

OUTPUT SPSS

Statistics

Jenis Kelamin Responden

N Valid 40

Missing 0




Jenis Kelamin Responden

Frequency Percent Valid Percent

Cumulative

PercentValid laki-laki 15 37,5 37,5 37,5

perempuan 25 62,5 62,5 100,0

Total 40 100,0 100,0

Penyajian Data

Tabel 1. Distribusi Frekuensi Jenis Kelamin Responden

No Jenis Kelamin Responden Frekuensi (f) %

1 Laki-laki 15 37,5

2 Perempuan 25 62,5

Jumlah 40 100,0

Interpretasi Hasil

Berdasarkan tabel di atas dapat diketahui bahwa lebih dari separuh (62,5%) responden

berjenis kelamin perempuan, lebih banyak daripada responden berjenis kelamin laki-laki

(37,5%).




ANALISIS UNIVARIAT VARIABEL NUMERIK

LATIHAN 5:

Anda melakukan penelitian dan sudah mengumpulkan dan memasukkan data ke SPSS.

Salah satu variabel adalah berat badan. Anda ingin melakukan analisis univariat terhadap

variabel berat badan. Seperti yang Anda ketahui bahwa varibel berat badan merupakan

variabel numerik, maka Anda ingin mengetahui distribusi berat badan dalam bentuk tabel.


2. Lakukan proses sebagai berikut.

Analyze descriptive statistics frequencies.

Masukkan variabel berat badan ke dalam kotak variable(s).

Klik statistic. Pilih mean, median, modus pada central tendency pilih standard

deviation, variance, minimum, maksimum pada dispersion.

Klik continue, lalu klik chart pilih histogram dan aktifkan with normal curve.


program SPSS?




Klik continue, klik OK .

Penyajian Data

Tabel 2. Analisis Univariat Berat Badan RespondenNo Variabel Mean Median Modus SD Min-Maks

1 Berat badan responden 53,15 50,00 48 8,769 40-75

Interpretasi Hasil

Berdasarkan tabel di atas dapat diketahui bahwa rata-rata berat badan responden sebesar

53 kg. Berat badan responden terendah adalah 40 kg, dan tertinggi 75 kg.



N LISIS BIV RI T

Analisis bivariat disebut juga sebagai analisis analitik. Hal ini dikarenakan pada analisis

bivariat bertujuan untuk mengetahui ada tidaknya hubungan antara dua variabel.

UJI CHI SQUARE

LATIHAN 6:

Anda ingin mengetahui hubungan antara kebiasaan merokok dengan penyakit jantung

koroner. Hipotesis penelitian Anda adalah ada hubungan antara kebiasaan merokok dengan

penyakit jantung koroner. Penelitian dilakukan dengan menggunakan desain studi kasus-

kontrol.

Tabel 3. Pemilihan Uji Hipotesis

MasalahPenelitian

Jenis Hipotesis

Komparatif Korelatif

2 kelompok > 2 kelompok 2 kelompok > 2 kelompok

Numerik Uji t tidakberpasangan*

One wayanova*

Uji tberpasangan*

Repeated Anova*

Pearson*

Kategorik Mann Whitney Kruskal-Wallis

Wilcoxon Friedman Spearman

Sommers

Gamma

Kategorik Chi Square

Fisher

Kolmogorov-Smirnov

Mc. Nemar, Cochran

Marginal Homogenesity

Wilcoxon, Friedman

KoefisienKontingensi

LambdaSumber: Dahlan, M.S. 2010. Statistika untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat,

dan Multivariat Menggunakan SPSS. Edisi 4. Jakarta: Salemba Medika.

Uji Apakah yang cocok digunakan dalam

penelitian tersebut?

3




Variabel yang diteliti adalah variabel kebiasan merokok (kategorik) dan kejadian penyakit

jantung koroner (katogerik). Jenis hipotesis adalah komparatif, dan data tidak

berpasangan. Melihat bantuan tabel pemilihan uji hipotesis, dengan set data yang Anda

miliki berarti uji hipotesis yang cocok digunakan adalah chi square test apabila memenuhi

syarat dan apabila tidak memenuhi syarat digunakan uji alternatifnya yaitu fisher exact .


2. Klik analyze descriptive statistics crosstabs.

3. Masukkan variabel rokok (variabel independen) ke dalam rows.

4. Masukkan variabel pjk (variabel dependen) ke dalam columns.

5. Klik statistics, lalu pilih chi square dan risk (untuk mengetahui nilai odds ratio/relative

risk pada penelitian kejadian penyakit atau kematian) lalu continue.

Bagaimana cara melakukannya dalam

program SPSS?




6. Klik cell , pilih observed (untuk menampilkan nilai pengamatan), dan expected (untuk

menampilkan nilai harapan). Pada percentages klik row apabila penelitian

menggunakan desain studi kohort dan cross-sectional , klik column apabila desain studi

yang digunakan kasus-kontrol.

7. Klik continue OK.




OUTPUT SPSS

Kebiasaan Merokok * Penyakit Jantung Koroner Crosstabulation

Penyakit JantungKoroner

TotalYa Tidak

Kebiasaan Merokok merokok Count 159 1343 1502

Expected Count 122,4 1379,6 1502,0

% within PenyakitJantung Koroner

61,9% 46,4% 47,6%

tidak merokok Count 98 1554 1652

Expected Count 134,6 1517,4 1652,0


38,1% 53,6% 52,4%

Total Count 257 2897 3154

Expected Count 257,0 2897,0 3154,0


100,0% 100,0% 100,0%

Chi-Square Tests

Value df Asymp. Sig. (2-

sided)Exact Sig. (2-


sided)

Pearson Chi-Square 22,764a 1 ,000

Continuity Correction 22,147 1 ,000

Likelihood Ratio 22,863 1 ,000

Fisher's Exact Test ,000 ,000

Linear-by-Linear Association

22,757 1 ,000

N of Valid Cases 3154

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 122,39.b. Computed only for a 2x2 table

Risk Estimate

Value

95% Confidence Interval

Lower Upper

Odds Ratio for KebiasaanMerokok (merokok / tidakmerokok)

1,877 1,445 2,440

For cohort Penyakit Jantung

Koroner = Ya

1,784 1,401 2,273

For cohort Penyakit JantungKoroner = Tidak

,951 ,931 ,971

N of Valid Cases 3154

PENYAJIAN DAN INTERPRETASI

Hasil analisis hubungan antara kebiasan merokok dengan penyakit jantung koroner disajikan

dalam tabel berikut.




Tabel 4. Tabel silang hubungan antara kebiasaan merokok dengan penyakit jantung koroner

Kebiasaan Merokok Penyakit Jantung Koroner Nilai p OR (95% CI)

Ya Tidak

Merokok 159 (61,9%) 1343 (46,4%) < 0,0001 1,877 (1,445-2,440)

Tidak Merokok 98 (38,1%) 1554 (53,6%

Total 257 (100%) 2897 (100%)

Berdasarkan di atas dapat diketahui persentase orang yang memiliki kebiasaan

merokok yang mengalami penyakit jantung koroner (61,9%) lebih besar daripada yang tidak

mengalami penyakit jantung koroner (46,4%).

Hasil uji statistik dengan menggunakan chi square test dengan taraf signifikansi 95%

diperoleh nilai p < 0,0001 (p<0,05) sehingga dapat dikatakan bahwa secara statistik ada

hubungan antara kebiasaan merokok dengan kejadian penyakit jantung koroner. Orang yangmemiliki kebiasaan merokok berisiko terkena penyakit jantung koroner hampir dua kali

(1,877) lebih besar daripada orang yang tidak merokok.

UJI FISHER

LATIHAN 7:

Anda ingin mengetahui hubungan antara tingkat sosial ekonomi dengan obesitas. Tingkat

sosial ekonomi dikategorikan menjadi sosial ekonomi tinggi dan sosial ekonom rendah.

Hipotesis penelitian Anda adalah ada hubungan antara tingkat sosial ekonomi dengan

obesitas. Penelitian dilakukan dengan menggunakan desain studi cross sectional .

Variabel yang diteliti adalah variabel tingkat sosial ekonomi (kategorik) dan kejadian

penyakit jantung koroner (katogerik). Jenis hipotesis adalah komparatif, dan data tidak

berpasangan. Melihat bantuan tabel pemilihan uji hipotesis, dengan set data yang Anda

miliki berarti uji hipotesis yang cocok digunakan adalah chi square test apabila memenuhi

syarat dan apabila tidak memenuhi syarat digunakan uji alternatifnya yaitu fisher exact .

Uji Apakah yang cocok digunakan dalam

enelitian tersebut?





2. Klik analyze descriptive statistics crosstabs.

3. Masukkan variabel sosek (variabel independen) ke dalam rows.

4. Masukkan variabel obes (variabel dependen) ke dalam columns.

5. Klik statistics, lalu pilih chi square dan risk (untuk mengetahui nilai odds ratio/relative

risk pada penelitian kejadian penyakit atau kematian) lalu continue.

6. Klik cell , pilih observed (untuk menampilkan nilai pengamatan), dan expected (untuk

menampilkan nilai harapan). Pada percentages klik row apabila penelitian

menggunakan desain studi kohort dan cross-sectional , klik column apabila desain studi

yang digunakan kasus-kontrol.

7. Klik continue OK.

Bagaimana cara melakukannya dalam

program SPSS?




OUTPUT

Tingkat Sosial Ekonomi * Obesitas Crosstabulation

Obesitas

Totalobesitas normalTingkat Sosial Ekonomi tinggi Count 6 8 14

Expected Count 5,6 8,4 14,0

% within Tingkat SosialEkonomi

42,9% 57,1% 100,0%

rendah Count 4 7 11



36,4% 63,6% 100,0%

Total Count 10 15 25



40,0% 60,0% 100,0%

Chi-Square Tests

Value df Asymp. Sig. (2-



sided)

Pearson Chi-Square ,108a 1 ,742

Continuity Correction ,000 1 1,000

Likelihood Ratio ,109 1 ,742

Fisher's Exact Test 1,000 ,534

Linear-by-Linear Association

,104 1 ,747

N of Valid Cases 25

a. 1 cells (25,0%) have expected count less than 5. The minimum expected count is 4,40.

b. Computed only for a 2x2 table

Risk Estimate

Value

95% Confidence Interval

Lower Upper

Odds Ratio for TingkatSosial Ekonomi (tinggi /rendah)

1,313 ,259 6,643

For cohort Obesitas =obesitas

1,179 ,439 3,167

For cohort Obesitas =normal

,898 ,475 1,697

N of Valid Cases 25

Apabila dilihat dari tabel di atas, tidak memenuhi syarat uji chi square, karena ada 25%

sel yang memiliki frekuensi harapan kurang dari 5. Oleh karena itu, uji yang digunakan

adalah uji fisher.

PENYAJIAN DAN INTERPRETASI

Hasil analisis hubungan antara tingkat sosial ekonomi dengan obesitas disajikan dalam tabel

berikut.




Tabel 4. Tabel silang hubungan antara tingkat sosial ekonomi dengan obesitas.

Tingkat SosialEkonomi

Status Obesitas Total Nilai p

Obesitas NormalTinggi 6 (42,9%) 8 (57,1%) 14 (100%) 1,000

Rendah 4 (36,4%) 7 (63,6%) 11 (100%)

Berdasarkan di atas dapat diketahui persentase kejadian obesitas pada kelompok

sosial-ekonomi tinggi (42,9%) tidak jauh berbeda dengan kelompok sosial-ekonomi rendah

(36,4%).

Hasil uji statistik dengan menggunakan chi square test dengan taraf signifikansi 95%

diperoleh nilai p = 1,000 (p > 0,05) sehingga dapat dikatakan bahwa secara statistik tidak

ada hubungan antara kebiasaan merokok dengan kejadian penyakit jantung koroner.



DAFTAR PUSTAKA

Dahlan, M.S. 2012. Langkah-langkah Membuat Proposal Penelitian Bidang Kedokteran dan

Kesehatan. Edisi 2. Jakarta: Sagung Seto.

Dahlan, M.S. 2013. Statistik untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat, dan

Multivariat, Dilengkapi Aplikasi dengan Menggunakan SPSS Edisi 5. Cetakan Ketiga.

Jakarta: Salemba Medika.

Junaedi, P. 1995. Pengantar Analisis Data. Jakarta: Rineka Cipta.

Riwidikdo, H. 2012. Statistik Kesehatan, Belajar Mudah Teknik Analisis Data dalam

Penelitian Kesehatan (Plus Aplikasi Software SPSS).

Modul Aplikasi Komputer

Documents

Transcript of Modul Aplikasi Komputer