RESUM APLIKOMdisusun guna memenuhi tugas mata kuliah Aplikasi Komputer

Disusun Oleh:Inaf Raditya073240001

FAKULTAS KESEHATAN MASYARAKATUNIVERSITAS JEMBER2013Pertemuan 1

Perkenalan Mata Kuliah

SPSS yang semula memiliki singkatan Statistic Program for Social Science menjadi Statistical Product and Service Solution, merupakan software statistik yang dapat digunakan dalam pengolahan data secara cepat. Kemampuan program SPSS digunakan untuk menganalisis serta menampilkan angka-angka hasil penghitungan statistik, grafik, tabel dengan berbagai model, baik variabel tunggal atau hubungan antara suatu variabel dengan variabel lain.I. Skala Data Pada SPSSA. Nominal (Tidak dapat dihitung)Contoh : 1. Jenis kelamin. 5. Agama 2. Status perkawinan6. Profesi 3. Suku bangsa 4. RasB. Ordinal (Ada jenjang)Contoh : 1. Status gizi ( buruk, normal, obesitas) 2 .Jenjang pendidikan (SD, SMP, SMA, PTN/PTS) 3. Rangking kelas (1,2,3)C. Interval (Ada rentang di dalamnya)Contoh : 1. IQ 2. IPK 3. Pendapatan 4. Indeks kepuasan pasienD. Rasio Contoh : 1.Tinggi badan (Cm/m)2. Berat badan (Kg) ada nilai 0 gram 3. Tekanan darah ada 0 Hg4. Kadar COD, BOD5. Pencahayaan nilao 0 gelap6. Getaran ada nilai 0 diamCiri Khas :1. Tipe data yang digunakan2. Jumlah variabel yang ada3, Menggunakan uji apa?

II. Proses Operasi Program SPSS 11.5 For WindowA. Langkah-langkah :1. Klik start2. Klik program SPSS 11.5 for window3. Atau jika ada pada dekstop klik 2 kali program SPSS 11.5 for window

Setelah prosedur diatas dilakukan akan muncul tampilan SPSS 11.5 for window di layar monitor komputer menu utama SPSS yang bertuliskan "SPSS Data Edit Editor". Lalu klik saja cancel pada kotak dialog yang ada untuk memasukkan data baru Maka Kotak dialog tersebut akan hilang, sehingga kita bisa melanjutkan pengentrian dta.

Gambar 1: Menu utama SPSS (Data view)B. Menu-Menu pada SPSS

Gambar 2: Menu utama SPSS ( Data editor)Keterangan :a. Data view : tempat untuk menginput data statistik b. Variable view : tempat untuk menginput variable statistik

C. Menu Utama Data Editor

a. File: untuk mengatur operasi file-file SPSS (membuka file, menyimpan file, menutup file, mencetak file, dsb)b. Edit: untuk perbaikan/perubahan data yang telah dibuatc. View: untuk menyajikan penampilan data, toolbar, dan output SPSS pada layar monitord. Data: untuk pengerjaan dat SPSS yang bukan prosedur statistik (menyisipkan variabel, menyisipkan kasus, menemukan kasus tertentu, dll)e. Transform: untuk mentransformasikan/mengubah suatu data dan tidak terkait dengan prosedur stistik tertentuf. Analyze: merupakan JANTUNG SPSS, seluruh perhitungan statistik dilakukang. Graphs: menmapilkan chart/grafk dari hasil perhitungan statistikh. Utilities: tambahan pekerjaan data statistiki. Window: menampilkan apa saja yang ada di SPSSj. Help : pemandu pengguna SPSS

D. Menu-Menu tambahan

E.

Keterangan :a. Name: diisi nama variabelb. Type: diisi tipe data, misalnya numeric (untuk data angka) atau string untuk data teksc. Widht: diisi jumlah karakter maksimal yang akan diinput dalam data viewd. Decimals: diisi jumlah karakter maksimal yang akan diinput dalam data viewe. Label: diisi keterangan untuk variabel (bolh dikosongkan)f. Values: untuk memberi kodevikasi, misal laki-laki = 1, Perempuan =2g. Missing: untuk perlakuan data terhadap misiing value h. Align: untuk pengaturan tampilan perataan dalam data view (left, center, right)i. Measure: secra default akan terpilih Nomnal jika variabel bertipe string, dan akan terpilih scale jika data bertipe numeric.

E. Membuat Variabel dan Mengisi Data

Gambar 4: Menu utama SPSS (Data view)Data editor pada data view mempunyai dua bagian utama, yaitu :a. Kolom --> adanya kata variabel dalam setiap sel kolomnya. Kolom dalam SPSS akan diisi oleh variabelb. Baris, dengan ciri adanya angka 1,2,3 dst. Baris dalam SPSS akan diisi oleh kasus/data.Statistik Deskriptif

Skala data pada SPSS1. Ratio angka minimal dan maksimal angka rata-rata / rerata angka median angka modus2. Interval angka maksimal angka minimal angka rata-rata angka median angka modus3. Ordinal angka maksimal angka minimal angka median (bisa digunakan kalau tingkatan ganjil, tidak bisa digunakan kalau tingkatan genap)4. Nominal angka modus

Dibagi menjadi 4 submenu utama dalam statistik deskriptif :1. Frequencies2. Descriptive3. Explore4. Crosstabs

Uji tergantung dari 4 komponen diantaranya adalah :1. Tipe data2. Variabel dibagi menjadi 2: Independent : bebas Dependent : terikat3. Sample penelitian yang menggunakan batas sampel 4. Tujuan : Komparasi Asosiasi (Analisa hubungan kelompok populasi) Korelasi (Analisa hubungan sebab-akibat) Fungsi

Var 1Contoh

Nama Type Width Decimal Label Value Missing Column Align Measure

X1Numeric 82Pencahayaan r.tidurnonenone8Right Scale

Keterangan :Name maksimal 8 karakter dan tidak ada spasiLabel tidak dibatasi bisa menggunakan spasi atau tidakType apapun memakai numeric, string juga memakai numericWidth 8 entryan atau 8 digitDecimals jika muncul angka yang tertulis 2 maka width ditulis 4. Jika tanda (,) koma ingin dihilangkan maka decimals bisa diganti dengan angka 0Values biarkan kosong, fungsinya adalah untuk kodingColum diabaikanAlign rightMeasure rasio dan interval tidak dibedakan karena bisa dijumlah (scale) Ordinal tetap Nominal tetap

Var 2

Nama Type WidthDecimal Label Value Missing Column Align Measure

X2Numeric 83Warna r.tidur1,000 biru...dstnone8Right Scale

Pertemuan 2

Analisis Deskriptif

Analisis diskriptif digunakan untu mengetahui rata-rata bilai tengah, modus, range, standart deviation, Analisa dalam proses analisis diskriptif dapat dilakukan dengan proses sebagai berikut :1. FrequensiFrequensi dalam hal ini berfungsi untuk penyajian data sederhana seperti mean, median, modus, persentik, kuartil, disperse dan distribusi. Dalam frequansi selain menyajikan data sederhana, juga data tersebut akan bias disajikan dalam bentuk grafik, meliputi grafik batang (bar), pie (venn), dan Histogram.

Lalu dalam frequensi dapat pula mencari nilai normalitas atau tidak, Untuk mencari data atau analisis tersebut berdistribusi normal atau tidak maka di pakai alternatif sebagai berikut dalam frequensi :

Melihat nilai Skawnes,

Skawnes = St eror of Skewnes= Koefisien skawnes 2 > x > -2 Maka berdistribusi Normal Melihat Nilai Kurtosis,

Kurtosis = St eror of Kurtosis= Koefisien Kurtosis 2 > x > -2 Maka berdistribusi Normal

Membandingkan antara SD dan Mean data :

SD = X 100 % Mean= Jika x < 0,3 / 30 % Maka tidak berdistribusi Normal

2. DescriptivesMenu ini berfungsi untuk mengetahui skor-z dari suatu distribusi data dan menguji apakah data berdistribusi normal atau tidak. Skor z merupakan nilai standart dari nilai data yang ada untuk memudahkan melihat setiap data yang ada berada pada batas normal atau tidak.Penggunaan Menu Descriptive : Langkah-langkah penggunaan menu Desciptive: Buka kembali file Deskriptif1.sav Dari baris menu, pilih menu Analyze, lalu pilih submenu Descriptive Statistics, lalu pilih lagi sumenu Descriptives (untuk menampilkan tabel frekuensi). Lalu akan tampil gambar berikut ini.

Kolom Variables(s) harus diisi dengan jenis-jenis variabel apa yang ingin kita analisis. Karena ingin dibuat frekuensi dari variabel Tinggi, maka klik variabel Tinggi, kemudia klik tanda , maka variabel Tinggi akan berpindah ke kolom Vraible(s).

Klik Options, maka akan tampak di layar

Pilihan Options meliputi berbagai ukuran untuk menggambarkan data. Terlihat default dari SPSS yang memilih Mean, Standar deviasi, maksimum, minimum sebagai acuan untuk menghitung statistik deskriptif, untuk keseragaman biarkan pilihan tersebut. Kemudian klik Continue. Maka akan terlihat kotak pilihan Save standardized values as variables yang telah diberi tanda akan digunakan pilihan tersebut. Hal ini berarti pilihan output SPSS mengenai deskripsi data. Lalu klik OK. Maka outputnya sebagai berikut:

Descriptive Statistics NMinimumMaximumMeanStd. Deviation

Tinggi25159.60186.60170.12006.03276

Valid N (listwise)25

Jika dilihat pada Editor data SPSS selain variabel tinggi dan gender sekarang muncul variabel baru, yaitu zTinggi seperti berikut

Analisisnya Output bagian PertamaBagian ini membahas deskripsi statistik dari variabel tinggi yang meliputi Mean dan yang lainnya. Output bagian KeduaBagian ini membahas penerapan z-score atau Standard Score. Dalam output SPSS, nilai z bisa dipakai untuk secara cepat melihat nilai mana yang menyimpang cukup jauh dari rata-ratanya (outlier)Jika suatu data berdistribusi normal, suatu nilai bisa distandardisasi dengan nilai z, yaitu:

Dimana: xi = nilai data kei; = Mean data dan s=Standar DeviasiSebagai contoh, lihat pada data pertama yaitu tinggi 170,20 cm, nilai z-nya dihitung dengan rumus adalah sbb:

= 0,013 (sama dengan output SPSS)Data yang lain pun sama prinsipnya.

Melihat Data yang menyimpang (outlier)Jika data berdistribusi normal dan tingkat kepercayaan 95%, maka tingkat signifikansi adalah 100% - 95% = 5%. Jika memakai uji dua sisi (ada tanda + dan - ), maka batas kritis ada pada 5% dibadi dua atau 2,5%. Pada tabel-z perhitungan pada satu sisi atau 50%, maka batas kritis ada pada luas kurva (50% - 2,5%) atau 47,5%.Pada tabel-z, luas kurva untuk 47,5% didapat nilai kritis 1,96.Dari nilai variabel zTinggi terlihat hanya ada satu data yang termasuk outlier, yaitu 186.60 cm nilai zTinggi yang di luar 1,96, yaitu zTingginya 2.73175.Karena dari 25 data hanya ada 1 data yang outlier, maka dapat dikatakan distrubusi mendekati normal.

3. ExploreMampu memberikan gambaran yang lebih jelas tentang data misalnya (data yang menyimpang), normalitas, dllContoh Uji Normalitas dalam Explore :

Uji Normalitas untuk menentukan normal atau tidaknya dapat melihat nilai P pada kolmogorof atau pada Shapiro wilk dengan catatan untuk, kolmogorov untuk sampel besar > 50, sedangkan Shapiro-wilk untuk sampel < 50.

4. CrosstabSebagaimana pernah dibahas di kelas bahwa salah satu analisis data kualitatif yang berskala nominal (kategori) adalah dengan Crosstab.Analisis Crosstab untuk Uji Ketergantungan (Test of Independence)Contoh Kasusnya:Manajer perusahaan yang memproduksi kopi susu dalam kemasan sachet merek deCaFe ingin mengetahui bagaimana sikap konsumen terhadap produk perusahaan, serta bagaimana profil mereka.Untuk itu 25 orang konsumen yang pernah mencicipi produk deCaFe diminta mengisi identitas dan sikap mereka terhadap produk deCaFe.Berikut ini hasilnya:

NoPekerjaanPendidikanGender

1KaryawanAkademiPria

2PetaniSarjanaPria

3WiraswastaSmaWanita

4PetaniSmaWanita

5WiraswastaAkademiWanita

6KaryawanSarjanaPria

7WiraswastaSmaWanita

8WiraswastaSmaPria

9PetaniAkademiWanita

10PetaniAkademiWanita

11KaryawanSarjanaPria

12KaryawanSarjanaPria

13PetaniSmaWanita

14WiraswastaSarjanaPria

15WiraswastaAkademiWanita

16KaryawanSarjanaPria

17PetaniSmaWanita

18KaryawanAkademiPria

19KaryawanSmaWanita

20PetaniAkademiPria

21WiraswastaSarjanaWanita

22PetaniSarjanaWanita

23PetaniSarjanaPria

24KaryawanSmaPria

25KaryawanSmaPria

Baris pertama, menunjukkan konsumen pertama mempunyai pekerjaan karyawan dan ia seorang pria yang berpendidikan akademi. Demikian seterusnya.Dalam SPSS otomatis no urut konsumen sudah ada, sehingga ada 3 variabel saja.

Langkah penyelesaian: Buka lembar kerja baru Masukkan data seperti ketika Anda memasukan data Deskriptif1.sav. Jangan lupa definsikan variabelnya. Karena semuanya data kategori pilih Decimalsnya = 0. Untuk variabel pekerjaan, tipenya numerik, dimana: 1 = karyawan, 2= wiraswasta dan 3= petani. Untuk variabel pendidikan, tipenya numerik dengan; 1 = Sma, 2= akademi, dan 3=sarjana Variabel gender seperti sebelumnya, 1=Pria dan 2 = Wanita. Setelah data diketikan lalu simpan data tersebut dengan nama file Crosstab1.sav pada drive D, dari baris menu, pilih menu Analyze, lalu pilih submenu Descriptive Statistics, lalu pilih lagi sumenu Crosstab. Lalu akan tampil gambar berikut ini.

Row(s) atau variabel yang akan ditempatkan pada baris (row) untuk keseragaman, kita pilih Gender Column(s) atau variabel yang akan ditempatkan pada Kolom) untuk keseragaman, kita pilih Pekerjaan Klik pilihan Statistics, akan tampak dilayar gambar berikut.

Karena kita akan melihat hubungan antara dua variabel, untuk keseragaman pilih Chi-Square. Pilihan yang lainnya akan digunakan pada kasus yang relevan di bagian lain. Lalu Klik Continue Kemudian Klik pilihan Cells, akan tampak di layar

Pilihan Count untuk menampilkan hitungan Chi-square, apakah perlu disertakan nilai Expected (nilai yang diharapkan) selain nilai observed. Untuk keseragaman klik hanya Observed Pilihan Percentage untuk menampilkan perhitungan angka pada baris dan kolom dalam persen. Untuk kasus ini biarkan saja kolom tersebut (tidak ada yang dipilih). Lalu klik Continue, Klik pilihan Format, akan tampak editor berikut

Row Order atau penempatan nama variabel dalam baris, apakah naik atau turun. Pilih Ascending. Klik Continue. Pilihan Displayclustered bar charts dan Suppers tables biarkan kosong. Perhatikan variabel Pendidikan tidak dimasukkan, karena dalam proses ini kita hanya memasukkan dua saja, tidak mesti semua, nanti kita akan gunakan variabel pendidikan pada kasus yang lain. Klik OK, maka akan tampak output berikut.

Output Crosstab

Case Processing Summary

Cases

ValidMissingTotal

NPercentNPercentNPercent

gender * Pekerjaan25100.0%0.0%25100.0%

Analisis Output Bagian Pertama (Case Processing Summary)Ada 25 data yang semuanya diproses (tidak ada data missing), sehingga tingkat validitasnya 100%.

gender * kerja CrosstabulationCount kerjaTotal

123

gender182313

215612

Total97925

Analisis Output Bagian Kedua (Crosstab antara Gender dengan Pekerjaan)Terlihat tabel silang yang memuat hubungan diantara kedua variabel. Misalnya, pada baris-1 kolom-1, terdapat angka 8. Hal ini berarti ada 8 orang pria (variabel gender) yang mempunyai pekerjaan karyawan (varaibel Pekerjaan). Demikian pula untuk data yanag lainnya.

Chi-Square TestsValuedfAsymp. Sig. (2-sided)

Pearson Chi-Square7.702(a)2.021

Likelihood Ratio8.5052.014

Linear-by-Linear Association5.3421.021

N of Valid Cases25

a 6 cells (100.0%) have expected count less than 5. The minimum expected count is 3.36.

Analisis Output bagian Ketiga (Uji Chi-square)Uji Chi-square untuk mengamati ada tidaknya hubungan antara dua variabel (baris dan kolom). Di dalam SPSS, selain alat uji Chi-Square juga dilengkapi dengan beberapa alat uji yang sama tujuannya.HipotesisHipotesis untuk kasus ini:Ho: Tidak ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut.Hi : Ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebutPengambilan KeputusanDasar pengambilan keputusan, yaitu: Berdasarkan perbandingan Chi-Quare Uji dan angka dari Tabel Jika Chi-square Hitung < Chi-square Tabel, Maka Ho diterima Jika Chi-square Hitung > Chi-square Tabel, Maka Ho ditolak

Chi-square Hitung dapat dilihat pada output bagian ketiga yaitu 7.702. Sedangkan Chi-square Tabel, dapat dilihat pada Tabel Uji-Statistik untuk Chi-square. Dalam hal ini untuk tingkat signifikansi () = 5% dan derajat kebebasan (dF) = 2 adalah 5,9915.Karena Chi-square Hitung (7.702) > Chi-square Tabel (5,9915), Maka Ho ditolak Dengan demikian dipsimpulkan bahwa ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut.Kita juga bisa menguji hipotesis dengan membandingkan nilai Probabilitas yang nilainya dapat dilihat pada bagian Asymp. Sig. (2-sided), yang dalam kasus ini sebesar 0.021. Jika nilai Probabilitas > 0,05 maka Ho diterima. Tetapi bila nilai Probabilitas < 0,05 maka Ho ditolak. Dalam kasus ini 0.021 < 0,05 artinya Ho ditolak, atau ada hubungan antara baris dan kolom, atau antara pekerjaan konsumen dengan gender konsumen tersebut.Dari kedua analisis tersebut bisa diambil kesimpulan yang sama, yaitu Ho ditolak atau ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut. Dengan kiata lain dapat saja dikatakan bahwa kebanyakan pria berprofesi karyawan sedangkan kebanyakan wanita tidak banyak yang berprofesi karyawan, mungkin banyaknya wiraswasta.Pada kasus dimana, Ho ditolak atau disimpulkan bahwa ada hubungan antara pekerjaan seorang konsumen dengan gender konsumen tersebut, maka dapat ditanyakan pula seberapa besar atau seberapa kuat hubungan tersebut.

Pertemuan 3-4

Uji Beda 2 Sampel

Untuk uji 2 Sampel di bagi menjadi 2 uji yaitu parametric (Skala data normal) dan non parametric (Skala data tidak normal).1. Parametrik (Skala data berdistribusi normal) a. Paired sampel t test Uji ini dilakukan terhadap 2 sampel yang berpasangan yang diartikan sebagai sebuah sampel dengan subyek yang sama namum mengalami 2 perlakuan yang berbeda.Cara mengolah data1. Buka data 2 sampel berpasangan2. Pilih analyze Compare-means Paired sample T test lakukan pengisian pada variabel klik Continue 3. Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.b. Independen sampel t tes Uji ini dilakukan terhadap 2 sampel yang bebas yang diartikan bahwa tidak ada hubungan antara 2 sampel yang akan diteliti.Cara mengolah data1. Buka data 2 sampel bebas2. Pilih analyze Compare-means Independent sample T test lakukan pengisian pada variabel Gruping Varibel di isi data yang berbetuk varian klik Continue 3. Baca data, jika P > maka Ho diterima (dengan kata lain tidak ada perbedaan)/ Data Homogen yang dibaca yang Equal variances assumed, tetapi sebaliknya jika P < maka Ho ditolak (artinya ada Perbedaan)/ Data tidak Homogen yang dibaca yang Equal variances not assumed

2. Non Parametrik (Skala data tidak berdistribusi normal)a. Data Paired (berpasangan)Uji ini dilakukan terhadap 2 sampel yang berpasangan yang diartikan sebagai sebuah sampel dengan subyek yang sama namum mengalami 2 perlakuan yang berbeda, tetapi bedanya dengan uji parametric, uji non parametric Data Paired ada 3 uji yaitu :1. WilcoxonUji Wilcoxon jika data tidak berskala interval dan rasio tetapi berskala ordinal.Cara mengolah dataa) Buka data 2 sampel berpasanganb) Pilih analyze Nonparametric test 2 related samples T test lakukan pengisian pada variabel centang test type pada wilcoxon klik OK c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.2. Sign Test (Uji Tanda)Mempunyai fungsi yang sama dengan uji Wilcoxon hanya beda tekhnik penghitungannya.Cara mengolah dataa) Buka data 2 sampel berpasanganb) Pilih analyze Nonparametric test 2 related samples T test lakukan pengisian pada variabel centang test type pada Sign klik OK c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.3. Mc nemar Sama seperti uji Wilcoxon dan Uji Sign Test tetapi datanya bersifat nominalCara mengolah dataa) Buka data 2 sampel berpasanganb) Pilih analyze Nonparametric test 2 related samples T test lakukan pengisian pada variabel centang test type pada McNemar klik OK c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.b. Data Independen (Bebas)Uji ini dilakukan terhadap 2 sampel yang bebas yang diartikan bahwa tidak ada hubungan antara 2 sampel yang akan diteliti, , tetapi bedanya dengan uji parametric, uji non parametric Data Independen ada 4 uji yaitu :1. Mann witney Data tidak berskala interval dan rasio namun berskala ordinal.Cara mengolah dataa) Buka data 2 sampel bebasb) Pilih analyze Nonparametric test 2 Independent Samples lakukan pengisian pada variabel Gruping Varibel di isi data yang berbetuk varian centang test type pada Mann Whitney klik OK c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.2. Kolmogorov SmirnovSama seperti uji Mann WhitneyCara mengolah dataa) Buka data 2 sampel bebasb) Pilih analyze Nonparametric test 2 Independent Samples lakukan pengisian pada variabel Gruping Varibel di isi data yang berbetuk varian centang test type pada Kolmogorov Smirnov klik OK c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.3. Uji Wald WolfowitzPada prinsipnya sama seperti uji Mann witney dan Kolmogorov Smirnov, menggunakan banyaknya rangkaian yang terdapat pada 2 sampel untuk menguji apakah kedua sampel berasal dari populasi yang identik ataukah tidak.Cara mengolah dataa) Buka data 2 sampel bebasb) Pilih analyze Nonparametric test 2 Independent Samples lakukan pengisian pada variabel Gruping Varibel di isi data yang berbetuk varian centang test type pada Wald Wolfowitz klik OK c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.Keterangan : P min dan P max harus sama yaitu > atau < 4. Chi squareBerguna untuk melakukan pengujian hipotesis terhadap proporsi relative dari kasus-kasus yang dikelompokka dalam bebearapa grup. Data yang digunakan nominal daam bentuk frekuensi, tidak dalam bentuk rasio ataupun skala. Cara mengolah dataa) Buka data 2 sampel bebasb) Pilih analyze Descriptive Statistic Crosstab lakukan pengisian pada Coloum dan Row (terserah) Klik Statisticscentang Chi Square Klik Continue klik OK .c) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.Keterangan : Dengan catatan bahwa 5 Cells tidak boleh lebih dari 20%, kalau lebih dari 20% maka dilakukan gruping lagi.Cara : Pilih transform Recode into Different Variabels pada input variables-output variables masukkan data yang akan di grup lagi isi name dan label dengan dengan variabel baru klik old and new values isi old value dengan data yang lama kemudian isi new value dengan data yang baru klik continue klik OK Data View akan muncul variabel baru Klik Variabel View pada data yang baru klik Values isi dengan angka/ data sama persis seperti data yang baru di entri tadi klik Ok maka di Data View akan muncul Variabel Baru, satelah itu dianalisi lagi sama seperti mengolah data Chi square pada umumnya.Cara mengolah dataa) Buka data 2 sampel bebasb) Pilih analyze Descriptive Statistic Crosstab lakukan pengisian pada Coloum dan Row (terserah) masukkan variabel baru yang sudah di transform Klik Statisticscentang Chi Square Klik Continue klik OK .c) Sampai 5 Cells tidak lebih dari 20%, kalau lebih dari 20% maka dilakukan gruping lagi.d) Baca data, jika P > maka Ho diterima atau dengan kata lain tidak ada perbedaan, tetapi sebaliknya jika P < maka Ho ditolak yang artinya ada Perbedaan.

CONTOH : modul hal 34 uji beda 2 sampel bebas Nonparametrika. Setting datab. Analisis data

1

2Kemudian OK

P > 0,05, Ho terima, tidak ada perbedaan

P > 0,05, Ho terima, tidak signifikan

Karena semuanya P > 0,05 maka dapat disimpulkan 2 sample dari populasi tersebut tidak ada perbedan (identik)

2. Uji Chi- Square uji ini digunakan apabila 2 sampel atau LEBIH dalam 2 variable Skala data NOMINAL (ada KLASIFIKASINYA) contoh diare apa tidak, LK ap PR, dll)dan Ordinal ( tgkat pendidikan , status ekonomi, status gizi dll)Contoh : Modul 411. Setting data 2. Analisis data

Karena nilai E ada 4 yang tidak memenuhi syarat atau nilai yg kurang < 5 lebih dari 20 % maka nilai yg diambil adalh Person Chi Square P = 0,310 > 0,05, Ho terima ; tidak ada perbedaan yang signifikan tingkat prevalensi diare diantara pengguna sumber air (sumur, sungai, dan PDAM)

Untuk melanjutkannya, karena tidak memenuhi syarat maka memakai metode PENGGABUNGAN yaitu 1. Tambahkan Var 0001 pada SPSS Variable View2. Ketikan utk Sumur dan sungai beri label 0, dan PDAM = 1 karena sudah diklorinisasi

3.

4.

Kemudian klik continue change OK

5. Analyze Descriptive crostabs : sumber air diganti sumber air yg terklorinisasi

Dihasilkan

Karena masih belum terpenuhi maka pakai uji Fisher Exact

Contoh : Uji beda 2 sampel berpasangana. WilcoxonDari 15 orang siswa TK diminta menyusun urutan angka dari yang terkecil sampai yang terbesar. Skor dihitung dari benarnya susunan. Pada hari berikutnya siswa-siswa tersebut diminta kembali untuk menyusun angka tersebut dengan diiringi musik.Langkah analisisHipotesis :H0 = Tidak terdapat perbedaan skor yang signifikan terhadap perlakuan tanpa musik dan dengan musikH1 = Terdapat perbedaan skor yang signifikan terhadap perlakukan tanpa musik dan dengan musikKriteria uji : Tolak hipotesis nol (H0) jika nilai signifikansi p-value ( alfa: (Ho diterima) tidak ada perbedaan yg signifikan sebelum dan sesudah diberi kendaraan.Langkah2 uji tanda:1. analize2. non parametric test3. 2 related sampel4. masukkan secara berpasangan pada test pair list5. pilih sign

Langkah2 uji Mc.Namer1. analize2. non parametric test3. 2 related sampel4. masukkan secara berpasangan pada test pair list5. pilih Mc. Namer