PENGANTAR SPSS

Saptawati Bardosono

Pendahuluan
Pada saat merancang usulan penelitian, maka pengolahan datanya sudah harus direncanakan pula:
1) 2)

Teknik pengolahan data meliputi: editing, coding, entry dan cleaning serta analisis Tabel, grafik atau ringkasan angka2 yang akan dihasilkan

Masalah yang sering timbul: Model analisis muncul setelah data terkumpul

Editing
Dilakukan pemeriksaan seluruh kuesioner atau seluruh formulir isian setelah data terkumpul, apakah:
1) 2) 3) 4)

Dapat dibaca Semua pertanyaan terisi (lengkap) Terdapat ketidakserasian antara jawaban yang satu dengan yang lainnya (konsisten) Terdapat kesalahan2 lain yang dapat mengganggu pengolahan data selanjutnya (akurat)

Editing
Kegiatan editing dapat dilakukan dengan cara:
1)

Editing lapangan, dimana supervisor mengadakan pengecekan ulang terhadap beberapa pertanyaan penting biasanya kepada 10% responden segera setelah data terkumpul semuanya Editing menyeluruh, dilakukan secara menyeluruh terhadap jawaban responden, sehingga dapat diperoleh konsistensi jawaban

2)

Editing
Yang sering terjadi misalnya
1) 2) 3) 4)

Jawaban tidak tepat dikolom yang tersedia Salah menulis jawaban pertanyaan, misalnya data kelamin diisi di kolom jawaban umur Umur diisi 25 tahun tetapi di jumlah anak diisi 10 Salah menggunakan unit ukuran

Skala dan Sifat Data

Sifat Klasifikasi Urutan susunan Jarak Titik nol absolut Nominal (seks) + Ordinal (pendidikan) + + Interval (suhu) + + + Rasio (BB) + + + +

Koding
Memberi angka2 atau kode2 tertentu yang telah disepakati terhadap jawaban2 pertanyaan dalam kuesioner, sehingga memudahkan pada saat memasukkan data ke komputer Misalnya untuk variabel pendidikan:
1) 2) 3) 4) 5)

Tidak sekolah SD SMP SMA PT

Koding
Persyaratan dalam koding:
1) 2)

Kesesuaian, variabel harus sesuai dengan tujuan Klasifikasi, perlu dibuat kategorisasi untuk pengelompokkan jawaban sesuai rujukan/ alasan tertentu, misal: pendapatan Jawaban tidak mendua, pilihan jawaban yang tersedia harus jelas definisi operasionalnya Harus tersedia buku definisi variabel

3) 4)

Data Entry
Menyiapkan lembar kerja yang berisi variabel2 dalam kuesioner secara lengkap (program SPSS, Stata, Epi-Info, dll) Masukkan data jawaban kuesioner sesuai kode yang telah ditentukan untuk masing-masing variable sehingga menjadi suatu data dasar Siapkan file khusus untuk menyimpan data dasar tersebut yang tidak boleh dianalisis. Untuk melakukan analisis data maka gunakan file khusus

Data Cleaning
Merupakan analisis data awal, dimana dilakukan penggolongan, pengurutan dan penyederhanaan data, sehingga mudah dibaca dan diinterpretasi Untuk data nominal dan ordinal, dibuat tabulasi distribusi frekuensi untuk setiap variabel Untuk data interval/rasio, dianalisis nilai tengah dan tes normalitas datanya

Data Cleaning
Tabel distribusi frekuensi untuk:
1) 2) 3)

Deskripsi ciri-ciri atau karakteristik dari suatu variabel Mempelajari distribusi dari variabel pokok Memilih klasifikasi2 pokok untuk tabulasi silang

Data Cleaning
Tabel silang, yaitu teknik untuk membandingkan atau melihat hubungan antara dua variabel atau lebih:
1) 2) 3)

Dihitung persentase responden untuk setiap kelompok Variabel bebas pada baris (faktor risiko) Variabel terikat pada kolom (penyakit)

Selanjutnya, data siap dianalisis untuk membuktikan hipotesis penelitian dengan analisis statistik bivariat dan multivariat

SPSS
(statistical program for social sciences)

Tampilan layar SPSS ada 2: Sebagai lembar kerja seperti Excel, dBase = data view Sebagai definisi operasional = variable view Dengan menu2 yang mudah dijalankan

Data view
Variabel Variabel Variabel dst 1 2 dst

Variabel view
Name Type Width Decimals Label Values dst

dst

Penggunaan SPSS
Menyiapkan sarana untuk data entry (penyusunan lembar kerja) Membantu data cleaning (analisis awal) Analisis statistik untuk membuktikan hipotesis Analisis statistik untuk penyajian data

Latihan Penggunaan SPSS

1. 2. 3. 4.

Menyiapkan sarana untuk data entry (penyusunan lembar kerja) Membantu data cleaning (analisis awal) Analisis statistik untuk membuktikan hipotesis Analisis statistik untuk penyajian data

Menyiapkan sarana untuk data entry (penyusunan lembar kerja)

Data latihan dietstudy: File open data pilih file - open Lihat data view: jumlah kasus Lihat variabel view: jumlah variabel Buat code book variable: utilities file info

Menyiapkan sarana untuk data entry: penyusunan lembar kerja

Menyiapkan data dasar latihan membuat data dasar:

Lokasi penelitian Tanggal pengambilan data Nama ibu Tanggal lahir Berat badan Tinggi badan Tingkat pendidikan ibu Jenis pekerjaan ibu Pengetahuan ibu tentang gizi seimbang

Data entry latihan

Analisis data: data cleaning

Analisis univariat (deskriptif, frekuensi, explore) Uji normalitas data (KS, histogram) Analisis bivariat (crosstab)

Cara penyajian data:

Data nominal/ordinal distribusi frekuensi (proporsi): analyze pilih descriptive statistics pilih frequencies masukkan variabel kategorik dalam variable (agegroup) aktifkan display frequency table pilih OK.
age grouping Frequency 5 6 5 16 Percent 31.3 37.5 31.3 100.0 Valid Percent 31.3 37.5 31.3 100.0 Cumulative Percent 31.3 68.8 100.0

Valid

<50 50-60 >60 Total

Cara penyajian data:

Data interval/rasio:
Distribusi

normal: mean SD Distribusi tidak normal: median (min-maks)

Distribusi normal?
1. 2. 3. 4.

Signifikansi KS >0,05 Signifikansi SW >0,05 Nilai kerampingan dan kemiringan Histogram dalam area kurva normal

Nilai kemiringan dan kerampingan

Nilai kemiringan (skewness) dan nilai kerampingan (kurtosis) digunakan untuk menentukan distribusi normal/simetris dari data bergantung dari bentuk kurva distribusi data

Nilai kemiringan dan kerampingan

Distribusi normal/ simetris Miring (skew) ke kiri Miring (skew) ke kanan

Nilai kemiringan dan kerampingan

Contoh: Bila diketahui skewness -0,316 dan standard error skewness 0,254 maka rasio skewness = -0,316/0,254 = -1,244 Dengan kurtosis 0,284 dan standard error kurtosis 0,503 maka rasio kurtosis = 0,284/0,503 = 0,564 Sehingga rasio skewness dan kurtosis keduanya berada di antara interval angka -2 dan +2 atau distribusi data normal atau simetris

Histogram
12 8

Count

0 10.00 11.00 12.00 13.00 14.00

hemoglobin concentration after intervention

Histogram:
Bentuk kurva simetris Mean = median = mode Kiri = kanan = 50%

Uji normalitas data:

analyze pilih descriptive statistics pilih explore masukkan variabel rasio dalam dependent list (wgt0) pada pilihan display pilih plots klik plots pilih normality plots with test (non-aktifkan yang lainnya) pilih continue pilih OK. Perhatikan tampilan tabel test of normality

Uji Kolmogorov-Smirnov (KS) dan Shapiro-Wilk (SW)

Tests of Normality Kolmogorova Smirnov Shapiro-Wilk Statistic df Sig. Statistic df Sig. Cholesterol .156 16 .200* .938 16 .320

*. This is a lower bound of the true significance. a. Lilliefors Significance Correction

Penyajian data numerik:

Descriptives Cholesterol Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Statistic 198.38 180.54 216.21 197.75 198.50 1120.383 33.472 151 257 106 62.75 .113 -1.318 Std. Error 8.368 Lower Bound Upper Bound

.564 1.091

Analisis data: data cleaning

Analisis bivariat (crosstab) Analyze pilih descriptive statistics pilih crosstab pada row masukkan data kategorik variabel bebas (gender) pada column(s) masukkan data kategorik variabel terikat (cholstat) pada display aktifkan clustered bar chart - pilih OK. Perhatikan outputnya

final cholesterol st
2

Count

normal high Male Female

Gender * final cholesterol status Crosstabulation final cholesterol status normal high 2 7 22.2% 77.8% 22.2% 12.5% 7 100.0% 77.8% 43.8% 9 56.3% 100.0% 56.3% 100.0% 43.8% 0 .0% .0% .0% 7 43.8% 100.0% 43.8%

Gender

Total 9 100.0% 56.3% 56.3% 7 100.0% 43.8% 43.8% 16 100.0% 100.0% 100.0%

Gender

Male

Female

Total

Count % within Gender % within final cholesterol status % of Total Count % within Gender % within final cholesterol status % of Total Count % within Gender % within final cholesterol status % of Total

Analisis data: untuk membuktikan hipotesis

Analisis bivariat crosstab, korelasi, uji T dua sampel bebas dan berpasangan) Analisis multivariat (ANOVA, regresi ganda)

Analisis data: untuk membuktikan hipotesis

Analisis bivariat crosstab: Analyze pilih crosstab pada row masukkan variabel bebas (gender) pada column(s) masukkan variabel terikat (cholstat) pilih statistics klik continue OK. Perhatikan hasilnya.

Chi-Square Tests Value 9.679b 6.777 12.395 9.074 16 df 1 1 1 1 Asymp. Sig. (2-sided) .002 .009 .000 .003 Exact Sig. (2-sided) Exact Sig. (1-sided)

Pearson Chi-Square Continuity Correctiona Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases

.003

.003

a. Computed only for a 2x2 table b. 3 cells (75.0%) have expected count less than 5. The minimum expected count is 3.06.

age grouping * final cholesterol status Crosstabulation final cholesterol status normal high 4 1 80.0% 20.0% 44.4% 25.0% 2 33.3% 22.2% 12.5% 3 60.0% 33.3% 18.8% 9 56.3% 100.0% 56.3% 14.3% 6.3% 4 66.7% 57.1% 25.0% 2 40.0% 28.6% 12.5% 7 43.8% 100.0% 43.8%

Total 5 100.0% 31.3% 31.3% 6 100.0% 37.5% 37.5% 5 100.0% 31.3% 31.3% 16 100.0% 100.0% 100.0%

age grouping

<50

50-60

>60

Total

Count % within age grouping % within final cholesterol status % of Total Count % within age grouping % within final cholesterol status % of Total Count % within age grouping % within final cholesterol status % of Total Count % within age grouping % within final cholesterol status % of Total

Chi-Square Tests Value 2.455a 2.558 .381 16 df 2 2 1 Asymp. Sig. (2-sided) .293 .278 .537

Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases

a. 6 cells (100.0%) have expected count less than 5. The minimum expected count is 2.19.

Uji KS 2 sampel tidak berpasangan

Analyze non-parametric tests 2 independent samples aktifkan KS test variable: agegroup grouping: cholstat OK
Test Statisticsa Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Grouping Variable: cholesterol status Absolute Positive Negative age grouping .302 .302 -.048 .598 .866

Analisis data: untuk membuktikan hipotesis

Korelasi: Analyze pilih correlate pilih bivariate masukkan dua variabel numerik pilih Pearson pilih two tailed aktifkan flag significant correlation pilih option aktifkan exclude case pairwise OK. Perhatikan hasilnya

Analisis data: untuk membuktikan hipotesis

Korelasi: Analyze pilih correlate pilih bivariate masukkan dua variabel numerik pilih Spearman pilih two tailed aktifkan flag significant correlation pilih option aktifkan exclude case pairwise OK. Perhatikan hasilnya

Correlations Final Cholesterol cholesterol 1 .996** . .000 16 16 .996** 1 .000 . 16 16

Cholesterol

Final cholesterol

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N

**. Correlation is significant at the 0.01 level (2-tailed).

Correlations Final Cholesterol cholesterol 1.000 .987** . .000 16 16 .987** 1.000 .000 . 16 16

Spearman's rho

Cholesterol

Final cholesterol

Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N

**. Correlation is significant at the 0.01 level (2-tailed).

Persamaan regresi:

Graph interactive scatter plot sumbu X = variabel bebas (wgt0) sumbu Y = variabel terikat (wgt3) fit regression include constant in equation fit lines for total - OK

250

Linear Regression

Final chole s te rol = -7.54 + 1.00 * w gt0 R-Square = 0.99

225

Final cholesterol

200

175

150

150

175

200

225

250

Cholesterol

Analisis data: untuk membuktikan hipotesis

Uji T dua sampel bebas: Analyze pilih compare means pilih independent samples t-test pada test variable(s) pilih variabel numerik (wgt0) pada grouping variable masukkan variabel 2 kategorik (gender) pada define group masukkan 1 untuk group 0 dan 2 untuk group 1 pilih continue pada option aktifkan tingkat kepercayaan 95% dan exclude cases analysis by analysis pilih continue dan OK. Perhatikan hasilnya

Group Statistics Gender Male Female N 9 7 Mean 223.78 165.71 Std. Deviation 18.754 10.935 Std. Error Mean 6.251 4.133

Cholesterol

Independent Samples Test Cholesterol Equal variances Equal variances assumed not assumed 1.521 .238 7.255 7.748 14 13.168 .000 .000 58.06 8.003 Lower Upper 40.898 75.229 58.06 7.494 41.895 74.232

Levene's Test for Equality of Variances t-test for Equality of Means

F Sig. t df Sig. (2-tailed) Mean Difference Std. Error Difference 95% Confidence Interval of the Difference

Non-parametrik Mann Whitney:

Analyze non-parametric tests 2 independent samples - pada test variable(s) pilih variabel numerik (wgt0) pada grouping variable masukkan variabel 2 kategorik (gender) pada define group masukkan 1 untuk group 0 dan 2 untuk group 1 pilih continue pada test type aktifkan Mann Whitney OK. Perhatikan hasilnya

Ranks Cholesterol Gender Male Female Total N 9 7 16 Mean Rank 12.00 4.00 Sum of Ranks 108.00 28.00

Test Statisticsb Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] Cholesterol .000 28.000 -3.339 .001 .000
a

a. Not corrected for ties. b. Grouping Variable: Gender

Analisis data: untuk membuktikan hipotesis

Uji T dua sampel berpasangan): Analyze pilih compare means pilih paired samples t-test pada paired variable(s) masukkan variabel numerik sebelum intervensi (wgt0) dan variabel numerik sesudah intervensi (wgt4) - pada option aktifkan tingkat kepercayaan 95% dan exclude cases analysis by analysis pilih continue dan OK. Perhatikan hasilnya

Paired Samples Statistics Mean 198.38 190.31 N 16 16 Std. Deviation 33.472 33.508 Std. Error Mean 8.368 8.377

Pair 1

Cholesterol Final cholesterol

Paired Samples Test Pair 1 Cholesterol Final cholesterol 8.06 2.886 .722 Lower Upper 6.52 9.60 11.175 15 .000

Paired Differences

Mean Std. Deviation Std. Error Mean 95% Confidence Interval of the Difference

t df Sig. (2-tailed)

Analisis data: untuk membuktikan hipotesis

Uji T dua sampel berpasangan): Analyze pilih non-parametric tests pilih 2 related samples pilih variabel numerik wgt0 dan variabel numerik wgt4 - dan OK. Perhatikan hasilnya

Ranks N Final cholesterol - Cholesterol Negative Ranks Positive Ranks Ties Total 16a 0b 0c 16 Mean Rank 8.50 .00 Sum of Ranks 136.00 .00

a. Final cholesterol < Cholesterol b. Final cholesterol > Cholesterol c. Final cholesterol = Cholesterol

Test Statisticsb Final cholesterol Cholesterol -3.526a .000

Z Asymp. Sig. (2-tailed)

a. Based on positive ranks. b. Wilcoxon Signed Ranks Test

Analisis data: untuk membuktikan hipotesis

Analisis multivariat (ANOVA): Analyze pilih compare means pilih one-way anova pada dependent list pilih variabel numerik (wgt0) pada faktor pilih variabel lebih 2 kategorik (agegroup) pada option aktifkan descriptive dan homogeneity of variance pilih continue pada post-hoc pilih bonferroni pilih continue dan OK. Perhatikan hasilnya

Descriptives Cholesterol 95% Confidence Interval for Mean Lower Bound Upper Bound 150.85 223.95 176.45 254.55 151.57 226.03 180.54 216.21

N <50 50-60 >60 Total 5 6 5 16

Mean 187.40 215.50 188.80 198.38

Std. Deviation 29.433 37.212 29.987 33.472

Std. Error 13.163 15.192 13.410 8.368

Minimum 158 151 157 151

Maximum 233 257 222 257

ANOVA Cholesterol Sum of Squares 2820.250 13985.500 16805.750 df 2 13 15 Mean Square 1410.125 1075.808 F 1.311 Sig. .303

Between Groups Within Groups Total

Multiple Comparisons Dependent Variable: Cholesterol Bonferroni Mean Difference (I-J) -28.10 -1.40 28.10 26.70 1.40 -26.70

(I) age grouping <50 50-60 >60

(J) age grouping 50-60 >60 <50 >60 <50 50-60

Std. Error 19.861 20.744 19.861 19.861 20.744 19.861

Sig. .542 1.000 .542 .605 1.000 .605

95% Confidence Interval Lower Bound Upper Bound -82.64 26.44 -58.36 55.56 -26.44 82.64 -27.84 81.24 -55.56 58.36 -81.24 27.84

Uji Kruskal-Wallis:

Analyze non-parametric tests k independent samples test variable: wgt0 grouping: agegroup define: minimum (1) dan maximum (3) continue - OK

Ranks Cholesterol age grouping <50 50-60 >60 Total

Test Statisticsa,b Chi-Square df Asymp. Sig. Cholesterol 2.152 2 .341

N 5 6 5 16

Mean Rank 7.20 10.75 7.10

a. Kruskal Wallis Test b. Grouping Variable: age grouping

REGRESI BERGANDA

Memprediksi besar variabel dependen dengan menggunakan data variabel bebas yang sudah diketahui besarnya

REGRESI BERGANDA

Analyze regression linear:

Dependent

: WGT4 Independent(s): WGT0, TG0, AGE Case labels: gender Method: enter OK

REGRESI BERGANDA
b Variables Entered/Removed

Model 1

Variables Entered Cholestero l, Age in years, Triglycerid a e

Variables Removed

Method

Enter

a. All requested variables entered. b. Dependent Variable: Final cholesterol

REGRESI BERGANDA

Model Summary Model 1 R .997a R Square .994 Adjusted R Square .992 Std. Error of the Estimate 2.953

a. Predictors: (Constant), Cholesterol, Age in years, Triglyceride

REGRESI BERGANDA
ANOVAb Model 1 Sum of Squares 16736.790 104.648 16841.438 df 3 12 15 Mean Square 5578.930 8.721 F 639.737 Sig. .000a

Regression Residual Total

a. Predictors: (Constant), Cholesterol, Age in years, Triglyceride b. Dependent Variable: Final cholesterol

REGRESI BERGANDA
a Coefficients

Model 1

(Constant) Age in years Triglyceride Cholesterol

Unstandardized Coefficients B Std. Error 3.375 8.574 -.164 .111 -.010 .027 .995 .024

Standardized Coefficients Beta -.034 -.009 .994

t .394 -1.477 -.373 42.243

Sig. .701 .165 .716 .000

a. Dependent Variable: Final cholesterol

Persamaan regresi: Kadar kolesterol akhir = 3,375 0,164 usia 0,10 kadar trigliserida awal + 0,995 kadar kolesterol awal

REGRESI BERGANDA
Residuals Statisticsa Predicted Value Residual Std. Predicted Value Std. Residual Minimum 142.66 -5.05 -1.426 -1.712 Maximum 249.33 4.88 1.767 1.652 Mean 190.31 .00 .000 .000 Std. Deviation 33.403 2.641 1.000 .894 N 16 16 16 16

a. Dependent Variable: Final cholesterol

REGRESI BERGANDA
b Variables Entered/Removed

Model 1

Variables Entered Cholestero a l

Variables Removed .

Method Enter

a. All requested variables entered. b. Dependent Variable: Final cholesterol

b Model Summary

Model 1

R .996a

R Square .993

Adjusted R Square .992

Std. Error of the Estimate 2.986

a. Predictors: (Constant), Cholesterol b. Dependent Variable: Final cholesterol

REGRESI BERGANDA
ANOVAb Model 1 Sum of Squares 16716.618 124.819 16841.438 df 1 14 15 Mean Square 16716.618 8.916 F 1874.976 Sig. .000a

Regression Residual Total

a. Predictors: (Constant), Cholesterol b. Dependent Variable: Final cholesterol

REGRESI BERGANDA
a Coefficients

Model 1

(Constant) Cholesterol

Unstandardized Coefficients B Std. Error -7.536 4.630 .997 .023

Standardized Coefficients Beta .996

t -1.628 43.301

Sig. .126 .000

a. Dependent Variable: Final cholesterol

Persamaan regresi: Kadar kolesterol akhir = -7,536 + 0,997 kadar kolesterol awal

Correlations Final Cholesterol cholesterol 1 .996** . .000 16 16 .996** 1 .000 . 16 16

Cholesterol

Final cholesterol

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N

**. Correlation is significant at the 0.01 level (2-tailed).

250

Linear Regression

Final chole s te rol = -7.54 + 1.00 * w gt0 R-Square = 0.99

225

Final cholesterol

200

175

150

150

175

200

225

250

Cholesterol

Uji regresi logistik binari

Ingin memprediksi variabel dependen yang berskala binari (ya=1 dan tidak=0) dengan menggunakan data variabel independen yang sudah diketahui besarnya

Uji regresi logistik binari

Buka SPSS: file data dietstudy Analyze Regression Binary logistic:

Dependent:

cholst0 (status kadar kolesterol awal, 1=tinggi, 0=normal) Covariates: age dan TG0 Options: Homer-Lemeshow goodness of fit OK

Uji regresi logistik binari

Case Processing Summary Unweighted Cases Selected Cases
a

N Included in Analysis Missing Cases Total 16 0 16 0 16

Unselected Cases Total

Percent 100.0 .0 100.0 .0 100.0

a. If weight is in effect, see classification table for the total number of cases.

Uji regresi logistik binari

Omnibus Tests of Model Coefficients Step 1 Step Block Model Chi-square 1.902 1.902 1.902 df 2 2 2 Sig. .386 .386 .386

Uji regresi logistik binari

Model Summary Step 1 -2 Log likelihood 20.028 Cox & Snell R Square .112 Nagelkerke R Square .150

Hosmer and Lemeshow Test Step 1 Chi-square 9.129 df 6 Sig. .166

Uji regresi logistik binari

Contingency Table for Hosmer and Lemeshow Test cholesterol status = normal Observed Expected 2 1.570 2 1.516 1 1.453 0 1.118 0 1.024 2 .920 1 .787 1 .613 cholesterol status = high Observed Expected 0 .430 0 .484 1 .547 2 .882 2 .976 0 1.080 1 1.213 1 1.387

Total 2 2 2 2 2 2 2 2

Step 1

1 2 3 4 5 6 7 8

Uji regresi logistik binari

a Classification Table

Predicted cholesterol status normal high 5 4 4 3 Percentage Correct 55.6 42.9 50.0

Step 1

Observed cholesterol status Overall Percentage

normal high

a. The cut value is .500

Uji regresi logistik binari

Variables in the Equation Step a 1 AGE TG0 Constant B .042 .025 -5.970 S.E. .079 .020 5.416 Wald .277 1.527 1.215 df 1 1 1 Sig. .598 .217 .270 Exp(B) 1.043 1.025 .003

a. Variable(s) entered on step 1: AGE, TG0.

Penafsiran dan prediksi: Status kadar kolesterol = -5,970 + 0,42 usia + 0,025 kadar trigliserida

Analisis data: untuk penyajian data

Hasil analisis statistik Diagram batang (bar) Histogram Boxplot Scatterplot Pie chart dll

60

Bars show counts

40

Count
20 0 Bekerja Tidak Bekerja/Ibu Rumah Tangga

working status

12

Count

0 10.00 11.00 12.00 13.00 14.00

hemoglobin concentration after intervention

hemoglobin concentration after intervention

10.00

11.00

12.00

13.00

14.00

Linear Regression

170.00

height

160.00

150.00

he ight = 141.89 + 0.23 * w e ight_2 R-Square = 0.21

40.00

50.00

60.00

70.00

80.00

90.00

weight after intervention

5.56% 7.78% 16.67%

last education
SD SLTP SMU Akademi Perguruan Tinggi Pies show percents 20.00%

50.00%