Modul Pelatihan Uji Hipotesis SPSS

MODUL PELATIHAN UJI HIPOTESIS dengan SPSS 16.0 Disusun oleh: dr. Swandari Paramita Revisi Kedua

FAKULTAS KEDOKTERAN UNIVERSITAS MULAWARMAN SAMARINDA 2 0 1 2

1

CARA SEDERHANA MEMILIH UJI HIPOTESIS Statistik Deskriptif atau Analitik? Dalam sebuah penelitian, sebelum anda melakukan pengumpulan data, anda harus membuat sebuah proposal penelitian. Pada proposal penelitian, terdapat bagian analisis data yang menggambarkan apa yang anda rencanakan pada data yang akan anda miliki. Analisis data biasanya dibagi menjadi 2 bagian, yaitu analisis secara deskriptif dan analitik. Dengan demikian, ada 2 pemahaman utama yang harus anda miliki, yaitu tentang statistik deskriptif dan statistik analitik. Statistik deskriptif akan membawa anda pada pemahaman tentang karakteristik data yang anda miliki. Statistik deskriptif ini harus selalu mendahului statistik analitik. Statistik analitik akan membawa Anda mengambil kesimpulan terhadap hipotesis Anda. Dengan demikian ada dua topik utama dalam modul ini, yaitu:

1. Pembahasan tentang karakteristik data yang anda miliki (STATISTIK DESKRIPTIF)

2. Pembahasan tentang penentuan uji hipotesis yang sesuai dengan data yang anda miliki (STATISTIK ANALITIK)

Statistik Deskriptif Statistik deskriptif berusaha menggambarkan berbagai karakteristik data. Tergantung dari skala ukur yang dimiliki oleh data anda, apakah nominal, ordinal, interval atau rasio.

1. Variabel NOMINAL atau ORDINAL Berkaitan dengan gambaran karakteristik data dengan skala ukur nominal atau ordinal, dikenal istilah FREKUENSI tiap kategori (n) dan PERSENTASE tiap kategori (%) yang umumnya disajikan dalam bentuk tabel dan grafik.

2. Variabel INTERVAL atau RASIO Berkaitan dengan gambaran karakteristik data dengan skala ukur interval atau rasio, dikenal istilah UKURAN PEMUSATAN dan UKURAN PENYEBARAN. Beberapa parameter untuk ukuran pemusatan adalah MEAN, MEDIAN dan MODUS. Beberapa parameter untuk ukuran penyebaran adalah STANDAR DEVIASI, VARIANS, KOEFISIEN VARIANS, INTERKUARTIL, RANGE dan MINIMUM MAKSIMUM. Data variabel dengan skala pengukuran numerik umumnya disajika dalam bentuk tabel dan grafik (histogram).

Statistik Analitik Statistik analitik berkaitan dengan uji hipotesis. Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang benar. Tabel berikut ini adalah tabel uji hipotesis untuk statistik analitik. Dengan berpedoman pada tabel tersebut sebenarnya anda sudah dapat menentukan uji hipotesis yang sesuai dengan data yang anda miliki.

2

Skala Ukur

Variabel

Jenis Hipotesis Hubungan

Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak

Berpasangan Berpasangan Tidak

Berpasangan

Nominal

McNemar Chi Square

atau Fisher

Cochran

Chi Square atau

Fisher

Contingency Coefficient

atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau

Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Interval

atau Rasio Paired T Test Independent T

Test Anova Anova Pearson

Keterangan: Semua uji hipotesis pada baris Interval atau Rasio adalah uji parametrik. Tanda panah dan uji hipotesis tepat diatasnya menunjukkan uji non parametrik jika syarat uji parametrik tidak terpenuhi Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut:

1. Tentukan skala ukur variabel 2. Tentukan jenis hipotesis 3. Tentukan jumlah kelompok 4. Tentukan apakah berpasangan atau tidak berpasangan 5. Tentukan persyaratan uji parametrik atau non parametrik

Dengan demikian, anda dapat menentukan uji hipotesis dengan berpedoman pada tabel Uji Hipotesis dengan syarat anda harus memahami beberapa istilah berikut:

1. Skala ukur variabel: nominal, ordinal, interval dan rasio 2. Jenis hipotesis: hubungan atau korelasi 3. Jumlah kelompok: 2 kelompok atau >2 kelompok 4. Pasangan: berpasangan atau tidak berpasangan 5. Syarat uji parametrik dan non parametrik

SKALA UKUR VARIABEL Nominal dan Ordinal Variabel nominal dan variabel ordinal disebut sebagai variabel kategorikal karena variabel tersebut mempunyai kategori variabel. Jenis Kelamin adalah variabel, sedangkan Pria dan Wanita adalah kategori variabelnya. Klasifikasi Kadar Kolesterol adalah variabel, sedangkan Baik, Sedang dan Buruk adalah kategori variabelnya.

3

Berdasarkan kategori inilah anda dapat membedakan variabel nominal dan variabel ordinal. Variabel nominal mempunyai kategori yang sederajat atau tidak bertingkat (contoh: variabel jenis kelamin dengan kategori pria dan wanita), sedangkan variabel ordinal mempunyai kategori yang tidak sederajat atau bertingkat (contoh: variabel kolesterol dengan kategori kadar kolesterol baik, sedang dan buruk). Interval dan Rasio Variabel interval dan rasio disebut sebagai variabel numerik karena variabel tersebut memberikan informasi peringkat lengkap. Anda dapat membedakan variabel interval dan rasio berdasarkan nilai nolnya. Apabila variabel tersebut mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak) maka anda menyebutnya sebagai variabel berskala ukur rasio. Apabila variabel tersebut tidak mempunyai nilai nol alami (seperti suhu) maka anda menyebutnya sebagai variabel berskala ukur interval. Skala pengukuran dalam SPSS Program SPSS hanya mengenal tiga skala pengkuran variabel, yaitu Scale, Ordinal dan Nominal. Program SPSS tidak membedakan variabel interval dan rasio. Dalam SPSS, variabel interval dan rasio disebut sebagai variabel Scale. JENIS HIPOTESIS Hipotesis hubungan menjawab apakah antara dua atau lebih variabel terdapat hubungan atau tidak, sedangkan hipotesis korelasi akan mengukur seberapa besar hubungannya. Agar terminologi yang dipergunakan seragam, maka disepakati bahwa istilah correlation diterjemahkan menjadi korelasi, sedangkan association diterjemahkan menjadi hubungan. JUMLAH KELOMPOK dan PASANGAN Dua atau lebih kelompok data dikatakan berpasangan apabila data berasal dari subyek yang sama atau subyek yang berbeda yang telah dilakukan matching. Dua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal dari subyek yang berbeda tanpa prosedur matching. UJI PARAMETRIK dan NON PARAMETRIK Uji Parametrik Untuk uji parametrik, terdapat 3 syarat yang perlu diperhatikan yaitu skala ukur variabel, sebaran data dan varians data:

1. Skala ukur variabel: harus interval atau rasio 2. Sebaran data: harus normal 3. Varians data:

4

a. Tidak menjadi syarat untuk uji kelompok yang berpasangan b. Menjadi syarat tidak mutlak untuk uji 2 kelompok yang tidak

berpasangan c. Menjadi syarat mutlak untuk uji >2 kelompok yang tidak berpasangan

Uji Non Parametrik Uji non parametrik digunakan dalam keadaan sebagai berikut:

1. Jika skala ukur variabel nominal atau ordinal 2. Jika skala ukur variabel interval atau rasio namun tidak memenuhi syarat uji

parametrik di atas: a. Uji non parametrik untuk paired t test adalah Wilcoxon test b. Uji non paramterik untuk independent t test adalah Mann-Whitney

test c. Uji non parametrik untuk anova berpasangan adalah Friedman test d. Uji non parametrik untuk anova tidak berpasangan adalah Kruskal-

Wallis test 3. Biasanya jumlah sampel untuk uji non parametrik adalah < 30. Namun jika

memiliki jumlah sampel < 30 tetapi memiliki distribusi normal, maka tetap harus dilakukan uji parametrik.

TOPIK KHUSUS Nilai p dan Confidence Interval Anda dapat menggunakan 2 cara dalam menarik kesimpulan pada uji hipotesis yaitu dengan menghitung nilai p dan menghitung nilai confidence interval. Sehingga perlu diketahui juga mengenai Ho (hipotesis nol) dan Ha (hipotesis alternatif). Hipotesis adalah pernyataan sebagai jawaban sementara atas pertanyaan penelitian yang harus dijawab secara empiris. Ho (hipotesis nol) adalah hipotesis yang menunjukkan TIDAK ADA perbedaan antar kelompok atau TIDAK ADA hubungan antara variabel atau TIDAK ADA korelasi antar variabel. Ha (hipotesis alternatif) adalah hipotesis kebalikan dari hipotesis nol, yang akan disimpulkan bila hipotesis nol ditolak. Nilai p menunjukkan besarnya kemungkinan hasil yang diperoleh karena faktor peluang bila hipotesis nol benar. Confidence interval menunjukkan taksiran rentang nilai pada populasi yang dihitung dengan nilai yang diperoleh pada sampel. Bila pada uji hipotesis ditemukan nilai p

5

LATIHAN 1 MEMASUKKAN DATA

Anda memperoleh data sebagai berikut dan ingin memasukkannya kedalam program SPSS. No NAMA JENIS KELAMIN NILAI UMUR 1. Ali Laki-Laki Baik 23 2. Budi Laki-Laki Sedang 22 3. Cinta Perempuan Buruk 18 4. Donny Laki-Laki Buruk 21 5. Endang Perempuan Baik 23 6. Farah Perempuan Baik 17 7. Gita Perempuan Sedang 16 8. Harry Laki-Laki Sedang 19 9. Indah Perempuan Baik 25

1. Buka program SPSS yang telah diinstall pada komputer anda. 2. Perhatikan window-nya, pada sudut kiri bawah terdapat sub-window Data

View dan Variable View. 3. Buka Variable View, sehingga akan terlihat sederetan kolom yang

bertuliskan Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align dan Measure.

a. Name adalah kata yang mewakili nama variabel. Biasanya diisi dengan kata yang mudah diingat yang berkaitan dengan nama variabelnya, misalnya sex untuk variabel jenis kelamin responden. Maksimal 8 karakter dan tidak boleh ada spasi.

b. Type adalah tipe data yang dimasukkan. Pilihan yang paling umum adalah numeric (karena semua proses uji dalam SPSS bisa dilakukan dalam bentuk numeric) dan string (jika yang dimasukkan adalah huruf/kata/kalimat).

c. Width jumlah digit data yang akan dimasukkan. d. Decimals jumlah digit di belakang titik. e. Label adalah penjelasan rinci dari kolom Name. Misalnya, dalam

kolom Name diisi dengan sex, maka pada kolom Label diisi dengan jenis kelamin.

f. Values adalah kode yang anda berikan jika variabel merupakan variabel nominal atau ordinal. Misalnya kode 1 untuk kategori perempuan, kode 2 untuk kategori laki-laki.

g. Missing menjelaskan ada tidaknya missing values. h. Columns adalah lebar kolom. i. Align merupakan pilihan tampilan variabel (rapat kiri, kanan atau

tengah).

6

j. Measure adalah skala ukur variabel (nominal, ordinal, scale). Dalam program SPSS, variabel interval dan rasio disebut sebagai variabel scale.

4. Pada tabel di atas, anda diminta untuk memasukkan 4 variabel, yaitu nama (string), jenis kelamin (nominal), nilai (ordinal) dan umur (numerik).

5. Untuk variabel nama: a. Name isi dengan mengetik nama. b. Type isi dengan mengaktifkan pilihan string. c. Width isi dengan 15 (untuk keseragaman). Pemilihan lebar kolom

tergantung dari berapa karakter nama terpanjang. d. Decimals tidak aktif. e. Label isi dengan Nama Responden. f. Values tidak diisi. g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah.

6. Untuk variabel jenis kelamin: a. Name isi dengan mengetik sex. b. Type isi dengan mengaktifkan pilihan numeric. c. Width isi dengan 15 (untuk keseragaman). d. Decimals pilih 0. e. Label isi dengan Jenis Kelamin Responden. f. Values klik sisi kanan kolom sehingga muncul window baru.

Ketik 1 pada kotak Value. Ketik Perempuan pada kotak Value Label. Klik Add. Ketik 2 pada kotak Value. Ketik Laki-laki pada kotak Value Label. Klik Add. Proses telah selesai, klik OK.

g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah.

7. Untuk variabel nilai: a. Name isi dengan mengetik nilai. b. Type isi dengan mengaktifkan pilihan numeric. c. Width isi dengan 15 (untuk keseragaman). d. Decimals pilih 0. e. Label isi dengan Nilai Responden. f. Values klik sisi kanan kolom sehingga muncul window baru.

Ketik 1 pada kotak Value. Ketik Buruk pada kotak Value Label. Klik Add.

7

Ketik 2 pada kotak Value. Ketik Sedang pada kotak Value Label. Klik Add. Ketik 3 pada kotak Value. Ketik Baik pada kotak Value Label. Klik Add. Proses telah selesai, klik OK.

g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah.

8. Untuk variabel umur: a. Name isi dengan mengetik umur. b. Type isi dengan mengaktifkan pilihan numeric. c. Width isi dengan 15 (untuk keseragaman). d. Decimals pilih 0. e. Label isi dengan Umur Responden. f. Values tidak diisi (karena variabel umur tidak memiliki kategori). g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah.

9. Aktifkan Data View, klik View pada barisan di sisi atas window, kemudian klik Value Lables, selanjutnya perhatikan perubahan apa saja yang terjadi pada Data View.

10. Masukkan isi tabel yang ada di halaman 6 sebelum ini ke dalam Data View.

11. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi atas window, kemudian klik Save as ...

12. Beri nama file anda dengan Lat_1.

8

LATIHAN 2 MENGUBAH DATA DARI SATU SKALA KE SKALA LAIN

Dari data yang telah diperoleh pada latihan 1, anda ingin mengkategorikan umur responden menjadi 3 kelompok, yaitu responden yang berumur 22 tahun (dalam hal ini berarti anda mengubah variabel numerik menjadi variabel ordinal).

1. Buka file Lat_1 dan aktifkan Data View. 2. Klik Transform pada barisan di sisi atas window, klik Recode, klik Into

Different Variables... sehingga akan terbuka sebuah window baru. 3. Klik variabel umur yang terlihat di kotak paling kiri, kemudian klik kotak

dengan tanda panah sehingga variabel umur akan masuk ke dalam kotak Input Variable -> Output Variable.

4. Selanjutnya pada kotak paling kanan terlihat Output Variable dan Name:, isikan ke dalamnya umur_1 dan klik Change, perhatikan perubahan yang terjadi.

5. Isikan ke dalam kotak Label: Umur Responden Ordinal. 6. Klik kotak Old and New Values sehingga akan terbuka window baru. 7. Isilah kotak Old Value pada Range: lowest through 19. 8. Isilah kotak New Value pada Value: 1, selajutnya klik Add, perhatikan

perubahan yang terjadi. 9. Isilah kotak Old Value pada Range: 20 through 22. 10. Isilah kotak New Value pada Value: 2, selajutnya klik Add, perhatikan

perubahan yang terjadi. 11. Isilah kotak Old Value pada Range: 23 through highest. 12. Isilah kotak New Value pada Value: 3, selajutnya klik Add, perhatikan

perubahan yang terjadi. 13. Logikanya adalah semua data 22 tahun diubah menjadi kode 3.

14. Proses telah selesai, klik kotak Continue sehingga kembali ke window sebelumnya.

15. Klik OK dan lihat hasilnya. 16. Selanjutnya lakukan pengisian Values pada Variable View seperti yang

telah dilakukan pada Latihan 1. 17. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi

atas window, kemudian klik Save as ... 18. Beri nama file anda dengan Lat_2.

9

LATIHAN 3 STATISTIK DESKRIPTIF untuk VARIABEL

NOMINAL dan ORDINAL Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data status Menopause pada pasien tersebut. Karena skala ukur variabel Menopause adalah nominal, maka anda ingin mengetahui statistik deskriptif untuk sebaran Menopause dalam bentuk tabel dan grafik.

1. Buka file Lat_3. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics,

selanjutnya pilih Frequencies..., sehingga akan terbuka window baru. 3. Pilih variabel Menopause (mnpause) kemudian klik kotak tanda panah

sehingga masuk ke dalam kotak Variable(s): 4. Klik kotak Charts... sehingga akan terbuka window baru. 5. Pilih Bar charts pada Chart Type dan pilih Percentages pada Chart Values

selanjutnya klik Continue sehingga kembali ke window awal. 6. Klik OK dan lihat hasilnya. 7. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel

Menopause. a. Output pertama, anda mengetahui bahwa jumlah total subyek

sebanyak 100 orang dan tidak ada data yang missing. b. Output kedua, anda mengetahui sebaran Menopause berdasarkan

jumlah dan persentase. c. Output ketiga, adalah visualisasi dalam bentuk grafik.

10

Frequencies

11

LATIHAN 4 STATISTIK DESKRIPTIF untuk VARIABEL

INTERVAL dan RASIO Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data jumlah Paritas dari pasien tersebut. Karena skala ukur variabel Paritas adalah rasio, maka anda ingin mengetahui statistik deskriptif untuk ukuran penyebaran dan pemusatan angka Paritas serta penyajiannya dalam bentuk histogram.


selanjutnya pilih Frequencies..., sehingga akan terbuka window baru. 3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Variable(s): 4. Klik kotak Statistics ... sehingga akan terbuka window baru. 5. Pilih pada Dispersion untuk Std. Deviation dan Variance. 6. Pilih pada Central Tendency untuk Mean, Median dan Mode. 7. Selanjutnya klik Continue sehingga kembali ke window awal. 8. Klik kotak Charts... sehingga akan terbuka window baru. 9. Pilih Histograms pada Chart Type selanjutnya klik Continue sehingga

kembali ke window awal. 10. Klik OK dan lihat hasilnya. 11. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel

Paritas. d. Output pertama: Statistics, anda mengetahui parameter ukuran

pemusatan (mean, median dan mode) serta ukuran penyebaran (standard deviation, variance).

e. Output kedua, anda mengetahui sebaran data yang dimiliki dengan histogram.

Frequencies

13

LATIHAN 4A UJI NORMALITAS KOLMOGOROV-SMIRNOV dan

SHAPIRO-WILK

Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data jumlah Paritas dari pasien tersebut. Karena skala ukur variabel Paritas adalah rasio, maka anda ingin apakah sebaran data mempunyai sebaran normal atau tidak secara analitik. Uji Kolmogorov-Smirnov dipergunakan untuk sampel yang besar, sedangkan Uji Shapiro-Wilk untuk sampel yang kecil.


selanjutnya pilih Explore..., sehingga akan terbuka window baru. 3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Dependent List: 4. Klik kotak Plots ... sehingga akan terbuka window baru. 5. Pilih pada Boxplots untuk None. 6. Kosongkan pada Descriptive. 7. Pilih Normality plots with tests. 8. Selanjutnya klik Continue sehingga kembali ke window awal. 9. Klik OK dan lihat hasilnya. 10. Interpretasi hasil: dengan prosedur ini anda menilai sebaran data variabel

Paritas secara analitik. a. Output pertama: Case Processing Summary, menunjukkan ada

tidaknya data yang missing. b. Output kedua, Tests of Normality, diperoleh nilai p = 0.000 pada

Kolmogorov-Smirnov dan p = 0.001 pada Shapiro-Wilk. Karena nilai p < 0.05, maka anda mengambil kesimpulan bahwa paritas tidak berdistribusi secara normal.

14

Explore

15

LATIHAN 5 INDEPENDENT T TEST

Skala Ukur

Variabel




Berpasangan

Nominal

McNemar Chi Square

atau Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui perbedaan jumlah paritas berdasarkan status penyakit Kanker Serviks pasien. Berdasarkan tabel Uji Hipotesis, maka dipakai Independent T Test.

1. Buka file Lat_5. 2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means,

selanjutnya pilih Independent-Samples T Tests..., sehingga akan terbuka window baru.

3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable(s):

4. Pilih variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable:

5. Klik Define Groups ... sehingga akan terbuka window baru. 6. Isi 1 pada Group 1 dan 2 pada Group 2. 7. Selanjutnya klik Continue sehingga kembali ke window awal. 8. Klik OK dan lihat hasilnya. 9. Interpretasi hasil:

a. Output pertama: Group Statistics, anda mengetahui parameter ukuran pemusatan (mean) serta ukuran penyebaran (standard deviation).

b. Output kedua: pada kotak Levenes Test for Equality of Variances untuk kolom Sig. Terlihat angka 0.943. Karena nilainya > 0.05, maka

16

varians untuk data ini berarti adalah sama, hal ini berarti untuk t test memakai baris yang ke-1 (equal variances assumed).

c. Pada kotak t-test for Equality Variances Assumed untuk kolom Sig. (2-tailed) terlihat angka 0.022.

d. Karena nilainya < 0.05 maka diambil kesimpulan terdapat perbedaan signifikan jumlah paritas antara kelompok pasien Kanker Serviks dengan yang tidak. Karena hasil dari tabel pertama menunjukkan Mean untuk kelompok Kasus adalah 3.40 dan untuk kelompok Kontrol adalah 2.55, maka dapat dinyatakan bahwa rerata jumlah paritas pada kelompok pasien Kanker Serviks lebih tinggi daripada kelompok kontrol.

T-Test

Keterangan: untuk tabel Independent Samples Test dilakukan transpose rows and columns agar muat untuk ditampilkan dalam modul pelatihan

17

LATIHAN 6 PAIRED T TEST

Skala Ukur

Variabel




Berpasangan

Nominal

McNemar Chi Square

atau Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 50 pasien BPH (Benign Prostat Hyperplasia) di Poliklinik Bedah Urologi RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui apakah terdapat perbedaan kadar Hemoglobin dalam darah sebelum dan sesudah dilakukan operasi TURP. Berdasarkan tabel Uji Hipotesis, maka dipakai Paired T Test.


selanjutnya pilih Paired-Samples T Tests..., sehingga akan terbuka window baru.

3. Klik variabel Kadar Hb Preoperasi (hbpre) dan klik variabel Kadar Hb Postoperasi (hbpost) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Paired Variables:

4. Selanjutnya klik Continue sehingga kembali ke window awal. 5. Klik OK dan lihat hasilnya. 6. Interpretasi hasil:

a. Output pertama: Paires Samples Statistics, menggambarkan deskripsi masing-masing variabel.

b. Output kedua: Paired Samples Correlation, menunjukkan korelasi antara dua variabel. Tampak korelasi sangat kuat (0.860) dan bermakna (Sig. = 0.000).

c. Output ketiga: Paired Samples Test, menunjukkan hasil paired t-test. Untuk kolom Sig. (2-tailed) terlihat angka 0.000.

18

d. Karena nilainya < 0.05 maka diambil kesimpulan terdapat perbedaan signifikan kadar Hemoglobin dalam darah pada pasien BPH sebelum dan sesudah menjalani operasi TURP. Karena hasil dari tabel pertama menunjukkan Mean untuk kelompok Preoperasi adalah 14.400 dan untuk kelompok Postoperasi adalah 13.076, maka dapat dinyatakan bahwa rerata kadar Hemoglobin pasien BPH sebelum operasi lebih tinggi daripada sesudah operasi.

T-Test

Keterangan: untuk tabel Paired Samples Test dilakukan transpose rows and columns agar muat untuk ditampilkan dalam modul pelatihan

19

LATIHAN 7 UJI MANN-WHITNEY

Skala Ukur

Variabel


Korelasi

2 Kelompok > 2 Kelompok

Berpasangan Tidak Berpasangan Berpasangan Tidak

Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui perbedaan jumlah paritas berdasarkan status penyakit Kanker Serviks pasien. Rencananya dalam penelitian ini akan dipakai statistik non parametrik, karena distribusinya yang tidak normal ditambah jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Mann-Whitney.

1. Buka file Lat_7. 2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests,

selanjutnya pilih 2 Independent Samples ..., sehingga akan terbuka window baru.

3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable List:

4. Pilih variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable:

5. Klik Define Groups ... sehingga akan terbuka window baru. 6. Isi 1 pada Group 1 dan 2 pada Group 2. 7. Selanjutnya klik Continue sehingga kembali ke window awal. 8. Klik Test Type untuk Mann-Whitney U. 9. Klik OK dan lihat hasilnya. 10. Interpretasi hasil:

a. Output pertama: Ranks, menggambarkan ranking masing-masing variabel.

20

b. Output kedua: Test Statistics, menunjukkan hasil Uji Mann-Whitney. Pada baris Asymp. Sig. (2-tailed) terlihat angka 0.313.

c. Karena nilainya > 0.05 maka diambil kesimpulan tidak terdapat perbedaan jumlah paritas antara kelompok pasien Kanker Serviks dengan yang tidak.

NPar Tests Mann-Whitney Test

21

LATIHAN 8 UJI WILCOXON

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 50 pasien BPH (Benign Prostat Hyperplasia) di Poliklinik Bedah Urologi RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui apakah terdapat perbedaan kadar Hemoglobin dalam darah sebelum dan sesudah dilakukan operasi TURP. Rencananya dalam penelitian ini akan digunakan statistik non parametrik karena distribusinya yang tidak normal serta jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Wilcoxon.


selanjutnya pilih 2 Related Samples ..., sehingga akan terbuka window baru. 3. Klik variabel Kadar Hb Preoperasi (hbpre) dan klik variabel Kadar Hb

Postoperasi (hbpost) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Pair(s) List:

4. Klik Wilcoxon untuk Test Type. 5. Klik OK dan lihat hasilnya. 6. Interpretasi hasil:

a. Output pertama: Ranks, menggambarkan ranking masing-masing variabel.

b. Output kedua: Test Statistics, menunjukkan hasil Uji Wilcoxon. Pada baris Asymp. Sig. (2-tailed) terlihat angka 0.000.

c. Karena nilainya < 0.05 maka diambil kesimpulan terdapat perbedaan signifikan kadar Hemoglobin dalam darah pada pasien BPH sebelum dan sesudah menjalani operasi TURP.

22

NPar Tests Wilcoxon Signed Ranks Test

23

LATIHAN 9

UJI ANOVA

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya perbedaan jumlah paritas antara kelompok pasien yang menggunakan kontrasepsi hormonal (lebih atau sama dengan 5 tahun, kurang dari 5 tahun dan tidak menggunakan). Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Anova.


selanjutnya pilih One-Way ANOVA ..., sehingga akan terbuka window baru 3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Dependent List: 4. Klik variabel Lama Kontrasepsi Hormonal (lmhorm) kemudian klik kotak

tanda panah sehingga masuk ke dalam kotak Factor: 5. Klik OK dan lihat hasilnya. 6. Interpretasi hasil:

Output pertama: ANOVA, menunjukkan hasil uji ANOVA secara keseluruhan, terlihat angka 0.260 pada kolom Sig. Karena nilainya > 0.05 maka diambil kesimpulan tidak ada perbedaan jumlah paritas antara kelompok pengguna kontrasepsi hormonal (lebih dari 5 tahun, kurang dari 5 tahun dan tidak menggunakan kontrasepsi hormonal).

24

Oneway

25

LATIHAN 10 UJI KRUSKAL-WALLIS

Skala Ukur

Variabel




Berpasangan

Nominal

McNemar Chi Square

atau Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya perbedaan jumlah paritas antara kelompok pasien yang menggunakan kontrasepsi hormonal (tidak menggunakan, kurang dari 5 tahun dan lebih dari 5 tahun). Rencananya akan dipakai statistik non parametrik karena sampelnya tidak memiliki distribusi normal serta jumlahnya yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Kruskal-Wallis.

1. Buka file Lat_10. 2. Klik Analyze pada barisan di sisi atas window, pilih Non Parametric Tests,

selanjutnya pilih K Independent Samples ..., sehingga akan terbuka window baru.

3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable List:

4. Klik variabel Lama Kontrasepsi Hormonal (lmhorm) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable:

5. Klik Define Range ... sehingga terbuka window baru. 6. Pada Range for Grouping Variable, isi Minimum dengan 1 dan Maximum

dengan 3 kemudian klik Continue. 7. Klik untuk Test Type pada Kruskal-Wallis H. 8. Klik OK dan lihat hasilnya. 9. Interpretasi hasil:

a. Output pertama: Ranks, menunjukkan ranking untuk masing-masing variabel.

26

b. Output kedua: Test Statistics, menunjukkan hasil uji Kruskal-Wallis secara keseluruhan, terlihat angka 0.797 pada baris Asymp. Sig. Karena nilainya > 0.05 maka diambil kesimpulan tidak ada perbedaan jumlah paritas antara kelompok pengguna kontrasepsi hormonal (lebih atau sama dengan 5 tahun, kurang dari 5 tahun dan tidak menggunakan).

NPar Tests Kruskal-Wallis Test

27

LATIHAN 11 UJI FRIEDMAN

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 20 ekor mencit. Anda ingin mengetahui ada tidaknya perbedaan penurunan berat badan mencit antara pengukuran bulan pertama, bulan kedua dan bulan ketiga setelah diberi pakan ikan asin yang mengandung formalin. Rencananya akan dipakai statistik non parametrik karena sampelnya memiliki distribusi yang tidak normal serta besar sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Friedman.

1. Buka file Lat_11. 2. Klik Analyze pada barisan di sisi atas window, pilih Non Parametric Tests,

selanjutnya pilih K Related Samples ..., sehingga akan terbuka window baru.

3. Klik variabel Bulan Pertama (bulan1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable:

4. Klik variabel Bulan Kedua (bulan2) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable:

5. Klik variabel Bulan Ketiga (bulan3) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable:

6. Klik untuk Test Type pada Friedman. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil:

a. Output pertama: Ranks, menunjukkan ranking untuk masing-masing variabel.

b. Output kedua: Test Statistics, menunjukkan hasil uji Friedman secara keseluruhan, terlihat angka 0.000 pada baris Asymp. Sig. Karena

28

nilainya < 0.05 maka diambil kesimpulan ada perbedaan penurunan berat badan mencit antara pemeriksaan bulan pertama, bulan kedua dan bulan ketiga setelah diberi pakan ikan asin yang mengandung formalin.

NPar Tests Friedman Test

29

LATIHAN 12

UJI CHI-SQUARE

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya hubungan antara jumlah paritas dengan terjadinya Kanker Serviks. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Chi-Square. Penelitian ini menggunakan desain penelitian Case Control Study, sehingga juga diminta menghitung nilai OR (Odds Ratio).

1. Buka file Lat_12. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics,

selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Pada data ini yang menjadi variabel bebas adalah paritas sedangkan

Kanker Serviks menjadi variabel terikat. 4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Row(s): sebagai variabel bebas. 5. Klik variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah

sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat. 6. Klik Statistics ... sehingga akan terbuka window baru. 7. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula. 8. Klik Cells sehingga akan terbuka window baru. 9. Pilih Observed dan Expected pada Counts kemudian klik Continue untuk

kembali ke window semula. 10. Klik OK dan lihat hasilnya. 11. Interpretasi hasil:

30

a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing.

b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Paritas dan Kanker Serviks.

c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square, terlihat angka 0.042 pada kolom Asymp. Sig. (2-sided) dan baris Pearson Chi-Square. Karena nilainya < 0.05 maka diambil kesimpulan terdapat hubungan antara paritas lebih dari 5 anak dengan terjadinya Kanker Serviks.

d. Output keempat: Risk Estimate, menunjukkan hasil perhitungan Odds Ratio (OR) untuk desain penelitian Case Control Study. Terlihat value = 2.591 dengan lower = 1.016 dan upper = 6.610. Hasil dinyatakan bermakna jika angka lower dan upper semuanya berada diatas angka 1. Penulisan hasil ini adalah OR = 2.591 (95% CI = 1.016-6.610). Maksud dari angka ini adalah perempuan dengan paritas lebih dari 5 anak berisiko 2.591 kali untuk terkena Kanker Serviks.

e. Jika desain penelitian ini adalah Cohort atau Cross Sectional, akan menunjukkan hasil perhitungan RR (Relative Risk) untuk Cohort atau PR (Prevalence Ratio) untuk Cross Sectional (ingat bahwa rumus keduanya adalah sama). Terlihat Terlihat value = 1.509 dengan lower = 1.062 dan upper = 2.146. Hasil dinyatakan bermakna jika angka lower dan upper semuanya berada diatas angka 1. Penulisan hasil ini adalah RR atau RP (tergantung desain penelitiannya) = 1.509 (95% CI = 1.062-2.146).

31

Crosstabs

32

LATIHAN 13 UJI FISHER

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 30 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya hubungan antara menopause dengan ekspresi gen CYP1A1. Berdasarkan tabel Uji Hipotesis, selain uji Chi-Square, dalam kondisi tertentu digunakan Uji Fisher.


selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Pada data ini yang menjadi variabel bebas adalah Menopause sedangkan

Ekspresi Gen CYP1A1 menjadi variabel terikat. 4. Klik variabel Menopause (mnpause) kemudian klik kotak tanda panah

sehingga masuk ke dalam kotak Row(s): sebagai variabel bebas. 5. Klik variabel Ekspresi Gen CYP1A1 (cyp1a1) kemudian klik kotak tanda

panah sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat. 6. Klik Statistics ... sehingga akan terbuka window baru. 7. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula. 8. Klik Cells sehingga akan terbuka window baru. 9. Pilih Observed dan Expected pada Counts kemudian klik Continue untuk



33

b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Menopause dan Ekspresi Gen CYP1A1.

c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square. Lihat pada keterangan paling bawah b2 cells (50.0%) have expected count less than 5. The minimum expected count is 2.57.

d. Jika terdapat paling tidak satu sel yang memiliki expected count kurang dari 5, maka tidak dapat dilakukan Uji Chi-Square, sehingga harus dilakukan Uji Fisher.

e. Terlihat angka 0.004 pada kolom Exact Sig. (2-sided) dan baris Fishers Exact Test. Karena nilainya < 0.05 maka diambil kesimpulan terdapat hubungan antara ekspresi gen CYP1A1 yang positif dengan status yang telah menopause.

34

Crosstabs

35

LATIHAN 14 UJI McNEMAR

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 100 orang pasien di Puskesmas Palaran Samarinda. Anda ingin mengetahui ada tidaknya perbedaan tingkat pengetahuan mereka tentang PHBS (Perilaku Hidup Bersih dan Sehat) sebelum dan sesudah dilakukan penyuluhan berbasis multimedia. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji McNemar.


selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Pretest (premm) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Row(s): 4. Klik variabel Posttest (postmm) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih McNemar kemudian klik Continue untuk kembali ke window semula. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil:


b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Pretest dan Posttest.

c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square. Lihat pada baris McNemar Test dan kolom Exact Sig. (2-sided) menunjukkan angka 0.014.

36

d. Karena nilainya < 0.05 maka diambil kesimpulan terdapat perbedaan tingkat pengetahuan pasien di Puskesmas Palaran sebelum dan sesudah dilakukan penyuluhan berbasis multimedia kepada mereka.

Crosstabs

37

LATIHAN 15 UJI COCHRAN

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 20 orang peserta Pelatihan RJP (Resusitasi Jantung Paru). Anda ingin mengetahui ada tidaknya perbedaan hasil uji keterampilan antara tes pertama, kedua dan ketiga. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Cochran.


selanjutnya pilih K Related Samples ..., sehingga akan terbuka window baru.

3. Klik variabel Tes Pertama (test1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable:

4. Klik variabel Tes Kedua (test2) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable:

5. Klik variabel Tes Ketiga (test3) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable:

6. Klik Cochran Q untuk Test Type. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil:

a. Output pertama: Frequencies, menunjukkan frekuensi untuk masing-masing variabel.

b. Output kedua: Test Statistics, menunjukkan hasil Uji Cochran. Terlihat pada baris Asymp. Sig. menunjukkan angka 0.008. Karena < 0.05 berarti terdapat perbedaan hasil uji keterampilan melakukan RJP oleh para peserta pelatihan tes pertama, kedua dan ketiga.

38

NPar Tests Cochran

39

LATIHAN 16 UJI PEARSON

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya korelasi antara usia pertama kali menikah dengan jumlah paritas. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Pearson.

1. Buka file Lat_16. 2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya

pilih Bivariates ..., sehingga akan terbuka window baru. 3. Klik variabel Usia Pertama Kali Menikah (umrnkh) kemudian klik kotak tanda

panah sehingga masuk ke dalam kotak Variables: 4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Variables: 5. Klik Pearson untuk Correlation Coefficients. 6. Klik Two-tailed untuk Test of Significance. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil:

a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.000 yang menunjukkan bahwa korelasi antara Usia Pertama Kali Menikah dan Paritas adalah bermakna.

b. Nilai Pearson Correlation sebesar -0.363 menunjukkan kekuatan korelasi yang lemah serta adanya korelasi yang negatif. Hal ini menunjukkan korelasi yang berbanding terbalik, artinya makin rendah usia pertama kali menikah maka makin tinggi paritasnya.

40

c. Keterangan: Kekuatan korelasi untuk 0.00 0.19 adalah sangat lemah, 0.20 0.39 adalah lemah, 0.40 0.59 adalah sedang, 0.60 0.79 adalah kuat dan 0.80 1.00 adalah sangat kuat.

Correlations

41

LATIHAN 17 UJI SPEARMAN

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya korelasi antara usia pertama kali menikah dengan jumlah paritas. Rencananya akan dipakai statistik non parametrik karena tidak mengikuti distribusi normal serta jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Spearman.

1. Buka file Lat_17. 2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya

pilih Bivariates ..., sehingga akan terbuka window baru. 3. Klik variabel Usia Pertama Kali Menikah (umrnkh) kemudian klik kotak tanda

panah sehingga masuk ke dalam kotak Variables: 4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Variables: 5. Klik Spearman untuk Correlation Coefficients. 6. Klik Two-tailed untuk Test of Significance. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil:

a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.163 yang menunjukkan bahwa korelasi antara Usia Pertama Kali Menikah dan Paritas adalah tidak bermakna.

b. Nilai Spearmans Rho Correlation sebesar -0.324 menunjukkan korelasi negatif dengan kekuatan korelasi yang lemah.

42

c. Keterangan: Kekuatan korelasi untuk 0.00 0.19 adalah sangat lemah, 0.20 0.39 adalah lemah, 0.40 0.59 adalah sedang, 0.60 0.79 adalah kuat dan 0.80 1.00 adalah sangat kuat.

Nonparametric Correlations

43

LATIHAN 18 UJI SOMERS D dan GAMMA

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 100 responden ibu rumah tangga untuk mengetahui bagaimana korelasi antara tanggapan terhadap rasa sirup multivitamin dengan tingkatan harga jual untuk sirup tersebut. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Somers d dan Gamma. Uji Somers d digunakan jika salah satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji Gamma digunakan jika kedua variabel setara.


selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Harga Sirup (harga) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Row(s): 4. Klik variabel Rasa Sirup (rasa) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih Gamma dan Somers d untuk Ordinal kemudian klik Continue untuk



b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Harga Sirup dan Rasa Sirup.

44

c. Output ketiga: Directional Measures, menunjukkan hasil uji Somers d. Lihat pada baris Harga Sirup Dependent untuk Approx. Sig. menunjukkan angka 0.004 yang berarti korelasinya bermakna serta untuk Value menunjukkan angka -0.431 yang menunjukkan korelasi negatif dengan kekuatan korelasi yang sedang.

d. Output keempat: Symmetric Measures, menunjukkan hasil uji Gamma. Lihat untuk Approx. Sig. menunjukkan angka 0.004 yang berarti korelasinya bermakna serta untuk Value menunjukkan angka -0.608 yang menunjukkan korelasi negatif dengan kekuatan korelasi yang kuat.

e. Keterangan: Kekuatan korelasi untuk 0.00 0.19 adalah sangat lemah, 0.20 0.39 adalah lemah, 0.40 0.59 adalah sedang, 0.60 0.79 adalah kuat dan 0.80 1.00 adalah sangat kuat.

45

Crosstabs

46

LATIHAN 19 UJI CONTINGENCY COEFFICIENT dan LAMBDA

Skala Ukur

Variabel


Korelasi



Berpasangan

Nominal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher


atau Lambda

Ordinal

McNemar

Chi Square atau

Fisher

Cochran

Chi Square atau

Fisher

Somersd atau


Interval



Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui seberapa besar korelasi antara jumlah paritas dengan terjadinya Kanker Serviks. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Contigency Coefficient atau Lambda. Uji Lambda digunakan jika salah satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji Contigency Coefficient digunakan jika kedua variabel setara.


selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga

masuk ke dalam kotak Row(s): 4. Klik variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah

sehingga masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih Contigency Coefficient dan Lambda untuk Nominal kemudian klik

Continue untuk kembali ke window semula. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil:


b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Paritas dan Kanker Serviks.

47

c. Output ketiga: Directional Measures, menunjukkan hasil uji Lambda. Lihat pada baris Kanker Serviks Dependent untuk Approx. Sig. menunjukkan angka 0.344 yang berarti korelasinya tidak bermakna (karena > 0.05) serta untuk Value menunjukkan angka 0.155 yang menunjukkan korelasi positif dengan kekuatan korelasi yang lemah.

f. Output keempat: Symmetric Measures, menunjukkan hasil uji Contigency Coefficient. Lihat untuk Approx. Sig. menunjukkan angka 0.042 yang berarti korelasinya bermakna (karena < 0.05) serta untuk Value menunjukkan angka 0.185 yang menunjukkan korelasi positif dengan kekuatan korelasi yang lemah.

g. Keterangan: Kekuatan korelasi untuk 0.00 0.19 adalah sangat lemah, 0.20 0.39 adalah lemah, 0.40 0.59 adalah sedang, 0.60 0.79 adalah kuat dan 0.80 1.00 adalah sangat kuat.

48

Crosstabs

-o0o-o0o-o0o-

Modul Pelatihan Uji Hipotesis SPSS

Documents

Transcript of Modul Pelatihan Uji Hipotesis SPSS