RESUME APLIKASI KOMPUTER DASAR Disusun guna memenuhi tugas aplikasi komputer dasar

Ratnaningtyas Wahyu K.W 102110101034 Kelas A

FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS JEMBER 2013

PERTEMUAN 1 PENGENALAN SPSS 11.5 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. SKALA DATA Nominal (Tidak dapat dihitung) Contoh : 1. Jenis kelamin 2. Agama 3. Status perkawinan 4. Profesi 5. Suku bangsa 6. Ras Ordinal (Ada jenjang) 1. Status gizi ( buruk, normal, obesitas) 2 .Jenjang SMP, SMA, PTN/PTS) 3. Rangking kelas (1,2,3) Interval (Ada rentang di dalamnya) 1. IQ 2. IPK 3. Pendapatan 4. Indeks 1.Tinggi badan (Cm/m) 2. Berat badan (Kg) ada nilai 0 gram 3. Tekanan darah ada 0 Hg 4. Kadar COD, BOD 5. Pencahayaan nilao 0 gelap 6. Getaran ada nilai 0 diam Rasio

pendidikan (SD, kepuasan pasien

Ciri Khas : 1. Tipe data yang digunakan 2. Jumlah variabel yang ada 3, Menggunakan uji apa?

I.

Proses Operasi Program SPSS 11.5 For Window A. Langkah-langkah : 1. Klik start 2. Klik program SPSS 11.5 for window 3. 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 cencel pada kotak dialog yang ada untuk memasukkan data baru :Lihat gambar 1

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 dibuat c. View : untuk menyajikan penampilan data, toolbar, dan output SPSS pada layar monitor d. 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 tertentu f. Analyze : merupakan JANTUNG SPSS, seluruh perhitungan statistik dilakukan g. Graphs : menmapilkan chart/grafk dari hasil perhitungan statistik h. Utilities : tambahan pekerjaan data statistik i. Window : menampilkan apa saja yang ada di SPSS j. Help : pemandu pengguna SPSS D. Menu-Menu tambahan E.

Keterangan : a. Name : diisi nama variabel b. Type : diisi tipe data, misalnya numeric (untuk data angka) atau string untuk data teks c. Widht : diisi jumlah karakter maksimal yang akan diinput dalam data view d. Decimals : diisi jumlah karakter maksimal yang akan diinput dalam data view e. Label : diisi keterangan untuk variabel (bolh dikosongkan) f. Values : untuk memberi kodevikasi, misal laki-laki = 1, Perempuan =2 g. 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. b. Kolom --> adanya kata variabel dalam setiap sel kolomnya. Kolom dalam SPSS akan diisi oleh variabel Baris, dengan ciri adanya angka 1,2,3 dst. Baris dalam SPSS akan diisi oleh kasus/data.

PERTEMUAN 2 STATISTIK DESKRIPTIF Skala data pada SPSS 1. Ratio angka minimal dan maksimal angka rata-rata / rerata angka median angka modus 2. Interva l angka maksimal angka minimal angka rata-rata angka median angka modus 3. 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. Frequencies 2. Descriptive 3. Explore 4. Crosstabs

1. Frequency befungsi untuk menyajikan data yang sederhana misalkan mean, median, modus, persentik, kuartil, disperse dan distribusi. 2. Descriptip berfunfi untuk memberikan tampilan ringkasan statistic univariat dan mampu mengakulasi nilai standart (z_score)

3. Explore berfungsi memberikan gambaran yang lebih jelas tentang data misalkan: data normalitas 4. Crosstabs berfungsi untuk menyajikan deskriptif data dalam bentuk tabel silang . penggunaan crosstabs mengarah pada uji non parametric Contoh Soal : 1. masukkan data tinggi badan dan jenis kelamin mahasiswa berikut kedalam SPSS : Tinggi Badan(TB) Jenis Kelamin(JK) Tinggi Badan(TB) Jenis Kelamin(JK) 170,2 PRIA PRIA 172,5 PRIA WANITA 180,3 PRIA WANITA 172,5 PRIA WANITA 159,6 WANITA WANITA 168,5 WANITA PRIA 168,5 PRIA WANITA 172,5 PRIA WANITA 174,5 PRIA PRIA 159,6 WANITA PRIA 170,4 WANITA WANITA 161,3 WANITA WANITA WANITA LANGKAH-LANGKAH : 1. Buat data sekelompok mahasiswa sesuai data diatas

2. pada kolom value JK diisikan ket (wanita=1, laki-laki=2) setiap pengetikan klik "add" kemudian klik OK. I Pada measure JK ganti dengan "Nominal", Tinggi badan dengan "Scale"

3. Mengisi value : ex. Jenis kelamin menggunakan keterangan laki2 dan wanita

4. Memasukkan data pada bagian "Data View"

5. Setelah mengentri data pada data view kemudian dicari analisi deskiriptifnya. Dengan langkah-langkah sebagai berikut :

Untuk menganilisis Tinggi Badan dapat dilakukan dengan cara analisis diskriptif dengan submenu Frequency dan pemakaian Histrogram beserta kurva normal :

1. Klik pada analyze deskriptif statistic Frequency

2. kemudian akan muncul kolom descriptive, masukkan salah satu data yang akan dihitung, ex: TB, masukkan TB pada kolom Variabels dalam layar Frequencies

3. Memunculkan histrogram beserta kurva normal klik Charts pilih Histograms dan centang "with normaal curve" Continue ok

4. Intepretasi Data

 Untuk menganilisis jenis kelamin dapat dilakukan dengan cara sbb : 1. Klik pada analyze deskriptif statistic Frequency 2. kemudian akan muncul kolom descriptive, masukkan salah satu data yang akan dihitung, ex: JK masukkan JK pada kolom Variabels dalam layar Frequency 3. klik stastistik lalu centang modus

4. Klik Continue OK

Langakh-langkah untuk menyimpan 1. file kemudian save as dan save

Untuk membuka file SPSS klik file , open kemudian data

Cara Print harus di transport ke microsoftwords 1. Buka word 2. Buka out put SPSS, pilih objek yang akan dicopi, kemudian klik kanan kemudian copi objek 3. Word kemudian klik paste 4. Setelah itu diklik icon print

Langkah-langkah untuk melihat histogram data 1. Klik analyze 2. Klik diskriptif statistic, lalu explore 3. Klik dependent 4. Klik plot, kemudian centang steam dan histogram 5. Klik continue dan kemudian ok

CATATAN: Jika nilai jatuhnya pada > 2 x > - 2 maka nilai tersebut berdistribusi normal Koefisien varian

Untuk mengetahui miring atau tidak suatu data yang kita miliki maka digunakan skewness.

Misalkan dari sebuah data SPSS didapat nilai skewnessnya -0,155, nilai negative menunjukkan bahwa kurva mengarah agak miring kekiri. Jika digunakan untuk uji normalitas makan gunakan hasil bagi antara skewness dengan std eror of skewness.

UJI NORMALITAS

Untuk menentukan "UJI PARAMETRIC DAN NON PARAMETRIC" Untuk mengetahui informasi apakah distribusi variabel numeric

berdistribusi normal atau tidak. Metode Mengetahui Sebaran Normalitas : Metode Parameter Kriteria sebaran data dikatakan normal Deskriptif Koefisien varian Rasio skewness Rasio kurtosis Histogram Nilai rasio kurtosis -2 s/d 2 Nilai koefisien varians > 30 % Nilai rasio skewnees -2 s/d 2 SD/Meand x 100 % Skewnees / SE skewnees Kurtosis/SE kurtosis Simetris, tidak miring ke kiri atau kanan, tidak Keterangan

terlalu tinggi/tidak terlalu rendah Box plot Simetris media tepat di tengah, tidak ada outlier atau nilai ekstrim Normal Q-Q Data menyebar sekitar garis plots Detrended Q- Data menyebar sekitar garis Q plots Kolmogrov Analitik Smirnov Shapirp Willk Nilai kemaknaan (p) > 0,05 pada nilai 0 Nilai kemaknaan (p) > 0,05 Untuk sampel

besar (>50) Untuk sampel

kecil (>50)

CATATAN:

OI : 95 %

= a = 5 % (0.05)

HO : tidak ada beda, P>a HI : ada beda, P<a

jika sampel diatas 50 yang dibaca kolomogorof jika sampel dibawah 50 shapirnov

nilai P sw sig=0.427, a = 0.05, p > a terima HO (tidak ada beda) sehingga data berdistribusi normal. 1. Langkah nilai distribusi pada Crosstabs.

a. Plih analyze, klik distribusi statistic lalu crosstabs b. Masukan variabel yang akan dihitung pada kolom row dan collom , ex: tb pada ROW dan jenis kelamin pada colom c. Klik cell, lalu percentage d. Klik colom, continue e. Ok 2. Langkah untuk memeunculkan nilai z a. Pilih analyze, klik distribusi statistic b. Kil desdcriptif c. Centang pada standart dized d. Continue, ok

PERTEMUAN 3 UJI BEDA DUA SAMPEL (Paired Sampel T Test, Independent Sample T Test) Uji dibagi dua : 1. Parametrik : a. Paired sampel T test b. Independent sampel test 2. Non Parametrik : a. Wilcoxon b. Sign test

No.

c. Mc Nemar Berat badan (kg) No. Berat badan (kg) sebelum sesudah 76,22 77,89 78,02 80,21 82,65 6 7 8 9 10 sebelum 88,15 92,54 96,25 84,56 88,25 sesudah 82,53 92,56 92,33 85,l2 84,56

1 2 3 4 5

78,85 77,95 78,65 79,25 82,65

1. UJI PARAMETRIK I. Paired Sampel T Test Dilakukan untuk 2 sampel dengan subjek yang sama "TAPI" mengalami dua perlakuan atau pengukuran yg berbeda seperti subyek A mendapat perlakuan I dan II. Dua kali pengukuran sebelum dan sesudah (sampel berpasangan)

Contoh Kasus : Sebuah perusahaan farmasi terkemuaka dengan memproduksi obat penurun BB. Sebelum produk obat diproduksi secara masal, terlbeih dahulu dilakukan uji coba(benar-benar ada efek tehadap penurun BB). Untuk itu, sebuah sampel terdiri atas 10 orang, masing-masing I ukur Bbnya, kemudian setelah minum obat tersebut selama sebulan, kembali I ukur berat badannya. Langkah-Langkah penyelesaain : 1. Setting data ( masukan data ke SPSS dan simpan dgn nama uji t paire) 2. Analisis data ( pengolahan data ) a. Membuka file uji t paired b. Pilih Analyze c. Pilih submenu Compare-means d. Pilih Paired-sample T test

e. Klik mouse pada variabel sebelum klik mouse sekali lg pada variabel sesudah, terlihat kolom current selection I bawah, trdpt ket 1 dan 2. Kemudian klik mouse pd tanda segitiga, pd paired variabel terlihat sesudah sebelum. f. Klik option, continue, OK 3. Interpretasi hasil analisis. Pada tahap ini kita dapat membaca hasil output yang telah dilakukan dan dapat disimpulkan bahwa Ho diterima yaitu tidak ada perbedaaan BB sblm dan sesudah mengkonsumsi obat penurun BB II. Hasil : P uji paired t test = 0,067, jika alfa 0,05 P > alfa: H0 diterima t hit>t table: H0 ditolak . Variabel = variasi

Independent Sample T Test Untuk mengetahui apakah ada perbedaan mean antara dua populasi, dgn melihat mean dua sampelnya. Kata independent atau bebas berarti tdk ada hubungan antara dua sampel yg akan diuji.

Contoh kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antara TB dan BB seorang pria dan wanita. Untuk itu, 7 pria dan 7 wanita masing-masing diukur TB dan Bbnya (angka dalam cm untuk TB dan kg untuk BB)

No. 1 2 3

Tinggi 174,5 178,6 170,8

Berat 65,8 62,7 66,4

Gender Pria Pria Pria

No. Tinggi 8 9 10 154,7 152,7 155,8

Berat 48,7 45,7 46,2

Gender Wanita Wanita Wanita

4 5 6 7

168,2 159,7 167,8 165,5

68,9 67,8 67,8 65,8

Pria Pria Pria Pria

11 12 13 14

154,8 157,8 156,7 154,7

43,8 58,1 54,7 49,7

Wanita Wanita Wanita Wanita

Rumusan masalah : apakah ada perbeaan tinggi badan dan berat badan antara pria dan wanita?

Langkah- langkah penyelesaian :

1. Input data ( masukkan data ke SPSS dan simpan dgn nama uji t independent). 2. Analisi data a. Buka file uji t independent b. Pilih analyze c. Pilih submenu compare-means d. Lalu pilih uji t independent test e. Lakukan pengisian Test Variabeles , oleh karena yg akan diuji data tinggi dan berat , mk klik mouse pad variabel tinggi. f. Klik gender dan masukkan pd grouping variable g. Klik mouse pd define group, lakukan pengisian angka 1 pd group 1 dan angka 2 pd group 2. h. Klik continue, option, continuem,OK. 3. Interpretasi hasil analisis Pada tahap ini kita dpt membaca hasil output yang telah dilakukan dan dapat disimpulkan bahwa : Variabel tinggi badan : nilai prob 0,0001 < 0,005, maka Ho ditolak Variabel beart badan : nilai prob 0,037 < 0,05, maka Ho ditolak

Keputusan : Ada perbedaan anatara populasi TB pria dan wanita dan populasi BB pria dan wanita CATATAN :

Uji tes untuk melihat homogenitas varians: Ho: tidak ada perbedaan, homogen H1: ada perbedaan, tidak homogen
Contoh: p levenes test: 0,037, p< alfa: terima H1 (antara pria dan wanita variannya tdk homogen) -jika levenes test tdk homogen maka dilanjutkan untuk uji equal variance not assumed, uji T 0,001, P< alfa, Ho ditolak (ada perbedaan TB antara pria dan wanita). -Jika levenes test homogen, maka dilanjutkan dg equal variances assumed. NB: Jika ingin membaca hasil output, klik kanan pada tabel pilih results coach PERTEMUAN 4 UJI DUA SAMPEL NONPARAMETRIK (Uji Kolmogrov Smirnov, Wald Wolfowits , Chi Square, Mann Whitney) I. Uji Kolmogrov Smirnov Uji ini digunakan untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sampel yang independent. Langkah-langkahnya sebagai berikut:

1. Setting data 2. Analisis data, meliputi: a. Analyze Nonparametric test 2 independent sample b. Masukkan variable dependent dengan Test Variabel List. c. Pada grouping, masukkan variable independent.

d. Pada define group, ketik 1 untuk group 1, 2 untuk group 2 kemudian klik continue. e. Pada bagian Test Type pilih Kolmogrov-Smirnov lalu klik OK

II.

Uji Wald- wolfowitz Uji ini pada prinsipnya sama dengan uji Mann-Whitney dan uji KolmogroSmirnov. Uji ini menggunakan banyaknya rangkaian yang terdapat pada dua sampel. Menguji dua sampel apakah berasala dari populasi yang identic atau tidak.

Langkah-langkah pengujian: 1. Setting data 2. Analyze nonparametric test 2 independent samples 3. Masukkan variable dependent pada Test Variable List. 4. Pada grouping, masukkan variable independent. 5. Pada define group, ketik 1 untuk group 1, 2 untuk group 2 kemudian klik continue. 6. Pada bagian Test Type pilih Wald-Wolfowitz lalu OK 1. Uji Chi - Square Digunakan unutk menguji hipotesis terhadap proporsi relative dari kasusu-kasus yang dikelompokkan dalam beberapa group. Data yang digunakan adalah data nominal dalam bentuk frekuensi. Dapat digunakan untuk menguji apakah ada perbedaan yang signifikan antara jumlah pengamatan suatu objek tertentu pada tiap klasifikasinya terhadap nilai harapan (expected value) yang berdasarkan hipotesis nol-nya.

Langkah-langkah pengujian: 1. Setting data

2. Analisis data, meliputi: a. Analyze descriptive Statistic Cosstrab b. Masukkan variable dependent pada colomn dan variable independent pada row. c. Klik kotak Statistic dan pilih chi-square Klik continue dan OK 2. UJI NON PARAMETRIK I. untuk data berpasangan, terdapat berbagaimacam pengujian yang dapat dilakukan, misalnya dengan: Uji Peringkat Bertanda Wilcoxon

Uji alternative uji t data berpasangan, Untuk data berskala ordinal/interval yang tidak berdistribusi normal Contoh kasus: Dinas kesehatan kabupaten X yang melakukan penelitian untuk mengetahui pengaruh pemberian kendaraan dinas terhadap kinerja bidan desa. Table data: Kinerja bidan sebelum diberi kendaraan dinas 100 98 76 90 87 89 77 92 78 82 Kinerja bidan sesudah diberi kendaraan dinas 105 94 78 98 90 85 86 87 80 83

Langkah-langkah penyelesaian: 1. Input data (Setting Data) 2. AnalyzeNonparametric tests 2 Related Samples a. Pada tampilan kotak dialog 2 Related Samples klik variabel Sebelum dan Sesudah untuk dimasukkan pada bagian Test Pair(s) List dengan menekan tanda segitiga b. Kemudian langkah terakhir yaitu pada bagian Test Type pilih Wilcoxon kemudian klik OK. 3. Maka akan muncul interpretasi hasilnya

P uji wilcoxon=0,358, P > alfa: (Ho diterima) tidak ada perbedaan yg signifikan sebelum dan sesudah diberi kendaraan.

II.

Uji Tanda (Sign Test) Uji ini mempunyai fungsi yang sama dengan uji peringkat bertanda Wilcoxon, hanya berada teknik perhitungan.

Contoh kasus I: sama dengan contoh kasus pada Uji Peringkat Bertanda Wilcoxon

Langkah-langkah penyelesaian :

1. Input data (Setting Data) 2. Analyze Nonparametric tests 2 Related Samples a. Pada tampilan kotak dialog 2 Related Samples klik variabel klik variabel Sebelum dan Sesudah untuk dimasukkan pada bagian Test Pair(s) List dengan menekan tanda segitiga b. Kemudian langkah terakhir yaitu pada bagian Test Type pilih Sign OK. c. Iinterpretasi hasil

III.

Uji Mc. Namer untuk data nominal tidak berbeda debgab uji sign test dan peringkat bertanda wilcoxon bedanya adalah untuk "UNTUK DATA NOMINAL"

Langkah-langkah uji : 1. 2. 3. 4. Input data Analize non parametric test 2 related sampel masukkan secara berpasangan pada test pair list pilih Mc. Namer

PERTEMUAN 5 UJI 3 SAMPEL BEBAS NON PARAMETRIK (Uji Kruskall Wallis, Anova) Parametrik : menggunakan one way anova (dg syarat varians antar kelompok harus homogen, variabel yg mau diuji harus berdistribusi normal). Contoh buku aplikom hal 45. (contoh variabelnya: kelompok shift dan produktivitas). Apakah ada perbedaan produktivitas kerja terhadap kelompok shift?, maka merupakan rasio interval

Uji normalitas dilihat dari pertanyaan penelitian. JIka variabel merupakan data rasio interval maka uji normalitas. jika bukan rasio interval seperti ordinal tidak perlu dilakukan uji normalitas.

Langkah-langkah : 1. Input data 2. Analize - Compare means - one way anova (dependent: untuk variable yg akan diuji. factor: variable penyebabnya).

3. 4. 5. 1.

pilih options centang homogenitas of varians continue ok

Untuk mengetahui kelompok mana saja yg berbeda: Analize Compare means one way anova (dependent: untuk variable yg akan diuji. factor: variable penyebabnya). 2. pilih post hoc centang benferoni dan tukey 3. continue ok

Multiple Comparisons Dependent Variable: produktivitas 95% Confidence Interval (I) kelompo k shift shift 1 (J) kelompo k shift shift 2 Mean Differenc e (I-J) 7.5000(*) 7.5000(*) -4.7500 Std. Error 2.6624 6 2.6624 6 2.6624 6 2.6624 6 1.000 Lower Bound 14.608 8 14.608 8 11.858 8 .3912 7.1088 Upper Bound -.3912

Sig. .035

Tukey HSD

shift 3

.035

-.3912

shift 4 shift 1 shift 2 .0000

.295

2.3588 14.608 8

7.5000(*) 2.66246

.035 7.1088

shift 3 shift 4 shift 3 shift 2 shift 4 shift 4 shift 2 shift 3 Bonferro ni shift 1 -2.7500 -2.7500 shift 2 .0000 2.7500 shift 1 2.7500 shift 1 2.66246 7.5000(*) 2.66246 2.66246 4.7500 2.66246 2.66246 7.5000(*) .043 .731 2.6624 6 1.000 .731 2.6624 6 .731 .731 2.6624 6 14.855 9 12.105 9 .043 7.3559 4.6059 .043 7.3559 4.3588 .035 7.1088 4.3588 .295 9.8588 9.8588 .043 9.8588 .3912 7.1088 9.8588 2.3588 4.3588 4.3588 14.855 9 -.1441 11.858 8 14.608 8

shift 3

7.5000(* ) -4.7500 shift 1

2.66246

-.1441

shift 4

2.66246 7.5000(* ) 2.66246 2.66246 7.5000(* ) 2.66246

.488 2.66246 1.000 1.000 2.66246 1.000

2.6059 .1441 7.3559 10.105 9 .1441 7.3559 14.855 9 14.855 9

shift 2 shift 3 shift 4 shift 3 .0000 .0000 2.7500 shift 1

shift 2 shift 4 shift 4 2.7500 shift 1 2.66246 4.7500 1.000 2.66246 4.6059 .488 10.105 9 2.6059 4.6059 12.105 9

shift 2 -2.7500 2.66246 1.000 10.105 9 shift 3 -2.7500 2.66246 1.000 10.105 9 * The mean difference is significant at the .05 level.

4.6059

Cara membaca 1. Bandingkan masing2 shift 2. lihat kolom sig, bandingkan dg alfa. 3. jika kurang dari alfa maka ada perbedaan. produktivitas Subset for alpha = . 05 kelompok shift shift 1 shift 4 shift 2 shift 3 Sig. N 12 12 12 12 .295 1 35.5833 40.3333 40.3333 43.0833 43.0833 .731 2

Tukey HSD(a)

Means for groups in homogeneous subsets are displayed. a Uses Harmonic Mean Sample Size = 12.000. Cara membaca: membandingkan antar shift, jika nilai berada pada satu kolom maka tidak ada perbedaan. Uji Nonparametrik (untuk uji ordinal): 1. analize 2. non parametric test 3. k independent sampel (dependent: untuk variable yg akan diuji. groping: variable penyebabnya). 4. pilih define group 5. centang median dan kolmogrov 6. continue 7. ok Frequencies kelompok shift shift 1 produktivi > Median tas <= Median 0 12 shift 2 8 4 shift 3 8 4 shift 4 5 7

NB: Jika nilai lebih dari median, maka produktivitas kerjanya tinggi. I. Uji Kruskal Walis Perluasan dari uji U mann Whitney Perluasan uji non parametric dari anova Uji ini dilakukan jika SYARAT HOMOGENEITY OF VARIANCE TIDAK TERPENUHI

Contoh kasus : Penggadaan uji coba kebijakan penempatan sarjana kesehatan (sarjana keperawatan, kedokteran, kesehatan masyrakat) sebagai kepala puskesmas,

karena diasumsikan mereka mempunyai kemampuan yang sama sebagai manajer puskesmas. Langkah - Langkah : 1. Uji normalitas Analyze - Descriptive - Explore Dependent = TPA Plots = centang Normality Plots with tes distribusi normal P = 0,624 HO diterima tidak ada perbedaan normal / homogen Karena N>50 yang dibaca " SHAPIRO WILK" Normal Parametrik anova Analyze compare means one way options homogenity (untuk mengetahui homogenitas Asumsi varians P < tidak terpenuhi terpenuhi loncat pakai "KRUSKAL WALLIS" (karena data yang diuji rasio - interval uji normalitas Analyze nonpar several independent K-wallis Langkah-langkah Pengerjaan 1. Input data (Variabel = TPA 2. Analisis Data : Analyze non parametric test K independent sample Pindahkan dependen variable sebelah kiri ke variable uji / test variable list sebelah kanan dengan tanda Pindahkan variable independent ke grouping variable sebelah kanan dengan tanda Pada define range isikan batas atas dan batas bawah variable yang diuji Pada test type pilih Krusskal Wallis H

2. Uji Median Pelengkap dari uji Kruskal Wallis H. Uji ini ingin melihat apakah sampel yang diambil berasal dari populasi dengan median yang sama

Langkah-langkah :

1. Input data Data berbentuk ordinal tidak perlu uji normalitas masuk uji nonpar kruskal wallis dengan median untuk data rasio interval tidak homogen, ordinal, 2. Analisis data Analyze non parametric test K independent sampl Pindahkan dependen variable sebelah kiri ke variable uji / test variable list sebelah kanan dengan tanda pindahkan variable independent ke grouping variable sebelah kanan dengan tanda Pada define range isikan batas atas dan batas bawah variable yang diuji Pada test type pilih Krusskal Wallis H

PERTEMUAN 6 UJI TIGA SAMPEL, NON PARAMETRIK BERHUBUNGAN (Uji Friedman, Kendall's W, Cochran Q) I. Uji Friedman uji non parametrik dari pengukuran "BERULANG" satu sampel atau merupakan "ANOVA DUA ARAH" dengan menggunakan "RANK/PERINGKAT" sebagai tolok ukur misal : apakah ada perubahan tinggi badan setelah penambahan protein dan sebelum penambahan protein. Terdpat pengukuran BERULANG dari sebelum penambahan dan sesudah penambahan

1. Contoh kasus :

Dalam rangka ulang tahun ke 16 RS ingin mengetahui apakah ada perubahan manajemen setelah melewati 3 kali pergantian pimpinan/direktur yang berbeda. Diambil sampel sebanyak 10 orang karyawan yg bekerja selama 15 th atau melewati 3 x pergantian direktur. Langkah - Langkah : 1. Masukan data di bawah ini Sampel Direktur A Direktur B Direktur C 1 76 79 96 2 68 79 84 3 64 77 96 4 78 73 88 5 79 81 68 6 73 79 86 7 80 86 71 8 73 84 73 9 81 79 80 10 79 90 77 2. Rumusan Masalah : apakah ada perbedaan perubahan manajemen sebelum dan sesudah pergantian pimpinan direktur. 3. Hipotesis : Ho : Tidak ada perubahan manajemen setelah melewati 3 kali pergantian pimpinan direktur H1 : ada perubahan manajemen setelah melewati 3 kali pergantian pimpinan direktur 4. Input data perubahan kinerja sesuai data diatas Input data pada variabel view --> 3 variabel

Input data pada view

5. Analisi data Analyze - Nonparametric Test - K related sampel (muncul kotak dialog) Pindahkan variabel sebelah kiri - kanan dengan tanda Pada "Test Type" --> centang FRIEDMAN

6. Intepretasi data
Out put bag

Out put bag 1:

7. Keputusan : Berdasarkab nilai probabilitas (p) (Asymp. Sig) Asymp. Sig > ---> 0,387 > 0,005 --> Ho diterima 8. Kesimpulan Tidak ada perubahan manajemen setelah melewati 3 kali pergantian pimpinan direktur II. Uji Kendall's W (Uji Keselarasan) Uji ini merupakn normalisasi dari uji friedman. Digunakan untk mengetahui sejauh mana himpunan peringkat dan tidak individu selaras atau tidak . Contoh kasus sama dengan Friedman. Langkah-Langkah :

1. Ineput data 2. Analisis Data : Analyze - Nonparametric - K related samples (muncul kotak dialog) Pindahkan variabel sebelah kiri - kanan dengan tanda Pada "Test Type" --> centang Kendall's W

3. intepretasi data

4. Keputusan : Berdasarkab nilai probabilitas (p) (Asymp. Sig) Asymp. Sig > ---> 0,387 > 0,005 --> Ho diterima 5. Tidak ada perubahan manajemen setelah melewati 3 kali pergantian pimpinan direktur I. Uji Cochran's Q Digunaka jika variabel yang didapat DIKOTOMI (dinyatakan dalam dua nilai) Merupakan perluasan dari Uji Mc Nemar dalam situasi > 2 sampel

Contoh Kasus : 1. apakah ada perbedaan hasil yang didapat pada 3 orang interviewer dengan tipe : 1. Kepribadian, 2. Penyabar, 3.Formal. untuk pengujian mereka diterjunkan pada 18 KK untuk melakukan interview. KK 1 2 3 Interviewer 1 0 1 0 Interviewer 2 0 1 1 Interviewer 3 0 0 0

4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 = Tidak senang 1 = Senang = 0,05

0 1 1 1 0 1 0 1 1 1 1 1 1 1 1

0 0 1 1 1 0 0 1 1 1 1 1 1 1 1

0 0 0 0 0 0 0 1 1 0 0 0 1 0 0

Langkah-Langkah Input data : 1. Input Data

Input data ke dua pada kolom data view.

2. Analyze - Nonparametric Test - K related samples Pindahkan variabel sebelah kiri - kanan dengan tanda Pada "Test Type" --> centang Kendall's W

3. Intepretasi Hasil

4. Keputusan Berdasarkab nilai probabilitas (p) (Asymp. Sig) Asymp. Sig > ---> 0,028> 0,005 --> Ho diterima 5. Kesimpulan Tidak ada perbedaan hasil yang didapat pada 3 orang interviewer dengan tipe : Kepribadian, Penyabar, Formal