TI Pak NYT 160413

Wednesday, April 13, 2016

1:29 PM

Klo data kategorik sm kategorik >> chi square

Cara cepat input data: liat dulu datanya paling banyak apa (mis jawaban 0 atau 1), ntar tulis itu
semua, ntar baru ganti yang beda.
Klo salah input, pengaruh ke mean; sig ndak begitu ngefek.

ANALISIS KORELASI
Sebelum analisis, harus paham antara korelasi dan regresi adalah korelasi sampai apa dan regresi
sampai apa. >>
1) Korelasi = ada hubungan tidak.
"knaikan var x diikuti knaikan var y?" = korelasi positif
"knaikan var x diikuti penurunan var y?" = korelasi negatif
Koef korelasi ditandai dengan "r"
Klo korelasi, munculnya p value dulu baru "r"

2) Regresi = memprediksi, akan meningkatkan/menurunkan berapa setiap var x thd var y

Mis setiap peningkatan satu g/dL kadar Hb bumil, akan meningkatkan berat badan 0,1g
Contoh penelitian yang maunya jadi korelasi (+) = hubungan pendapatan keluarga dg status gizi
balita.
SIFAT DATA NUMERIK >> Bisa interval, bisa rasio!!! >> baik utk var x maupun y.
Pendapatan keluarga = total semua pendapatan semua anggota keluarga yang berpenghasilan
Status Gizi balita = pake z-score
(klo remaja = pake persentil BMI)
Diharapkan dengan naknya pendapatan akan berdampak naiknya status balita juga.
Korelasi (-): hbgn AF dg kadar lemak tubuh/kadar kolest
Diharapkan klo aAF tinggi, persen lemak dan kadar kolest rendah.

Klo diharapkan korelasi (-) tapi keluarnya korelasi (+), cek:

Cara ukur kita, bener/belum?
Alat ukur? Uda standard?
Liat karakteristik sampel (misal ada faktor lain spt hiperkolesterolemia yang ada pada
sampel) >> klo gitu yang salah pada penetapan kriteria inklusii
UJI KORELASI, ada dua:
Pearson
Spearman
Pemakaian tergantung normalitas data!!!
Klo kedua data berdistrib normal, maka uji hubungan utk liat hubungan var c dan var y adalah
PEARSON
Klo salah satu atau kedua data berdistrib tidak normal, maka uji yang dipake adalah Rank-Spearman

Contoh kasus di sini krn yang data numerik cuma BB dan TB, maka mau liat uji korelasi BB dan TB.
Steps:
1. Uji normalitas

additional notes Page 1

additional notes Page 2

Data >50 (n = 53); pake KS >> DATA TIDAK NORMAL

2. Analyze >> Correlate

additional notes Page 3

2. Analyze >> Correlate

Kasih centang di Spearman

Masukkan BB dan TB ke kotak variabel

additional notes Page 4

Masukkan BB dan TB ke kotak variabel

Pilih two tailed.

Klik OK.
3. Output

additional notes Page 5

Interpretasi:
Liat signifikansinya, krn p valuenya adalah 0,0001 (p < 0,05; H0 ditolak); maka ada
hubungan yang signfikan.
Hbgnnya (+)/(-)? >> liat dari koef korelasi >> di sini r = 0,558; (semakin mendekati 1,
makin kuat hubungannya.) dan angka r-nya positif.
Maka ada hubungan positif antara BB dan TB, dan hubungannya (+).
Kesimpulan: Ada hubungan positif antara berat badan dengan tinggi badan responden
(r=0,558 ; p = 0,0001)
Tulis r dulu baru p
Klo hubungannya negatif, nilai r ada tanda (-)
Klo p valuenya lebih dari 0,05; maka ndak usah cek r, krn uda pasti tidak ada hubungan. TAPI r
TETAP DITULIS!!!!

Utk nulis artikel, uji hubungan tidak cuma tulis tabel, tapi buatSCATTER PLOT.

1. Graph >> Legacy >> Scatter/Dot

additional notes Page 6

1. Graph >> Legacy >> Scatter/Dot

2. Simple scatter

3. Masukkan BB di x; TB di Y

additional notes Page 7

3. Masukkan BB di x; TB di Y

4. OK

5. Double click grafik

additional notes Page 8

6. Add fit line to total

7. Copy

additional notes Page 9

7. Copy

8. Bisa ditulis di word

Kasih text box

additional notes Page 10

Gambar ini menunjukkan klo BB naik, Tbnya juga semakin baik >> PAKE SCATTER PLOT

Cara nulis kata2 di artikel:

Pengaruh = "thd"
Hubungan = "dengan"
Tabel = judul di atas
Gambar = judul di bawah

COBA KASUS : BB dengan total penget

1. Uji normalitas

additional notes Page 11

DATA TIDAK NORMAL

...mari kita anggap normal.

2. Uji BB responden dg penget awal pake Pearson

additional notes Page 12

2. Uji BB responden dg penget awal pake Pearson

additional notes Page 13

P value = 0,463 >>> TIDAK ADA KORELASI; nilai r = (-).

KESIMPULAN = Tidak ada hubungan antara dengan . (Ndak usah bahas r)
Or
Tambahin: "Apabila dilihat dari nilai r, menunjukkan bahwa terdapat kecenderungannya
dimana BB naik, maka penget juga turun. Tetapi kenaikan BB yang diikuti penurunan BB tidak
signifikan."

additional notes Page 14

additional notes Page 15

additional notes Page 16

Garisnya turun = korelasi negatif

Semakin BB naik, total pengetahuannya semakin turun. >> Sesuai teori.
Contoh jg hubungan status gizi dg produktivitas kerja.

Klo p value deket2 0,05; bisa ngeles ini klo mungkin ada hubungan klo jumlah n lebih banyak.
Klo ga ada hubungan, boleh tulis p dan r.

Penentuan x dan y tgt mana yang kita var dep dan indep!!!!!!

additional notes Page 17